随着城市机动车拥有量的快速增长,交通拥堵日益加剧,造成城市社会经济严重损失以及环境恶化,成为城市发展的一大症结。为缓解拥堵,错峰出行、单双号限行以及拥挤收费等需求管理措施相继提出,其中拥挤收费是由经济角度出发,能有效诱导出行者转变出行方式和出行路径的交通管控措施。出行者日常出行作为城市交通的主要来源,对其研究有利于交通需求管理措施的有效实施,从而缓解交通拥堵。日常出行是一个动态学习和重复决策的过程,出行者的行为心理将影响最后的决策结果。结合日常出行行为和拥挤收费,本文进行如下研究:1)考虑出行者路径偏好对日常路径选择行为的影响。基于Dogit模型,在传统的日常路径选择模型中加入路径偏好动态更新规则,分析了个体路径偏好对日常路径流量演化轨迹的影响,并对比了三种类型感知出行时间学习模式(指数平滑学习更新以及峰终定理学习更新)下的不同选择结果。最后引入基于试错法的动态收费模式,探讨了拥挤收费下的路径偏好和流量演化,以及不同时间价值用户的路径选择差异。2)考虑出行者风险态度和参考依赖对日常路径选择行为的影响。以累积前景理论为框架,引入基于试错法的动态拥挤收费,将时间和费用作为两个维度分开考虑,假设日常时间参考点与出行者的风险态度和感知出行时间相关,费用参考点与出行个体的时间价值和可节省的出行时间相关,均随着每日感知出行时间变化而动态调整,在此基础上提出了考虑时间和费用双参考点的动态网络均衡模型,分析研究了不同时间价值以及不同时间与费用前景值权重用户的路径选择行为的不同。