应用意向调查数据,求解交通选择行为模型,是当前分析个体交通选择行为特征的重要手段。调查数据质量、模型理论及结构作为影响结果精度最为关键的两个因素,一直受到研究者的重点关注。目前,常用的交通选择行为模型主要有离散选择模型与期望效用模型,两种模型都假设个体是理性决策,这不符合个体的实际决策过程,实际中个体是处于有限理性状态。前景理论拓展了该假设认为个体在决策过程中处于有限理性状态,但是前景理论无法描述涉及多维属性决策问题,并且它无法解释个体选择结果随着决策环境变化而改变的现象,正是这些不足制约其在交通行为领域的应用。为了拓理性决策原则的假设,弥补前景理论的不足,本文将基于心理账户理论构建新的交通选择行为模型。当前,心理账户理论主要用于分析个体消费、投资等决策行为,其在交通决策行为领域尚处于理论分析与验证阶段,尚未形成详细的交通选择行为模型,还需从决策原则、值函数形式、模型构建和参数求解算法等方面探索其适用性。本文首先根据实际调查数据结合方差分析,证明个体在面临交通决策问题是会自发采用背景依赖决策原则(Topical accounts),有效解释个体选择结果随着决策环境变化而改变的现象,并进一步提出适用于描述交通选择行为的值函数形式与参照点设置新方法;本文研究发现个体评估时间与金钱的偏好存在显著差异:风险条件下个体面对时间收益与时间损失都呈现风险规避,而个体面对金钱收益呈现风险规避,面对金钱损失则呈现风险追求态度,这与当前诸多交通行为研究的假设相矛盾,通过数据拟合提出了时间收益与时间损失所对应的权重函数形式;同时,本文认为个体会采用收益分割方式整合多维属性的收益或者损失形成交易效用,从而奠定了交易效用函数的数学形式,并引入时间价值参数将时间属性的收益或者损失转化为货币标准,实现多维属性收益与损失的有效整合;最后,将个体账户内时间与金钱的预算作为约束条件,分别在确定条件与风险条件下构建了基于心理账户的交通选择行为模型。由于新模型交易效用函数存在显著的非线性特征,常用的牛顿-拉普森算法不适用于求解新模型的未知参数,本文利用改进遗传算法完成新模型的参数求解,并明确给出模型结果的精度检验指标。以成渝通道作为实证对象,本文实证对比确定条件下基于心理账户理论的交通选择行为模型与传统MNL模型的结果精度;而风险条件下基于心理账户理论的交通选择行为模型与前景理论模型结果精度的对比,则以通勤者出发时刻选择作为实证背景。两组实证结果表明,基于心理账户理论所构建的交通选择行为模型相对于传统模型,能够更加准确的预测和描述个体交通决策行为特征。意向调查(Stated Preference, SP)问卷作为获取调查数据的重要手段,其实验设计方法是保证数据质量的关键环节。目前,意向调查问卷实验设计方法的研究滞后于交通选择行为模型,常用实验设计方法包括随机部分因子设计法、正交设计法以及效用均衡设计法。随机因子设计法能够有效减少调查组合数量,但该方法无法避免由于属性间相关性导致的模型结果误差。正交设计法在交通行为研究中应用最为广泛,它能够有效避免属性间相关性,一定程度上减少组合数量。该方法的不足在于如果选择肢或者属性水平设置过多,其得到的组合数量较大不利于调查工作的开展。这两种实验设计方法都是借鉴回归分析中的实验设计方法,并不完全契合交通选择行为模型。均衡设计法以调查数据中包含最多权衡信息为目标,权衡信息是模型能够准确反映个体交通选择行为特征的关键,由于该方法无法准确定义效用均衡值,在实证研究中应用较少。为了弥补正交设计法的不足,保证调查数据包含更多的权衡信息,本文提出一种以模型渐进协方差矩阵行列式值最小为目标,反推实验组合方案的实验设计方法。选择成都-龙泉通道作为实证对象,本文分别利用新方法与正交设计法设计了两组意向调查问卷并获取数据,在大样本与小样本两种情况下实证对比基于两种实验设计法的模型结果精度。实证表明,新方法能够有效提高模型结果精度,并且在小样本量情况下优势更为显著。本文基于心理账户理论构建了新的交通选择行为模型,用改进遗传算法求解模型未知参数并进行实证。新模型弥补了传统交通行为理论的不足,从基础理论方面提升模型结果精度;同时,本文提出以交通选择行为模型本身为基础,反推实验组合方案的问卷实验设计法,从调查数据质量方面提升模型结果精度。文章从模型基础理论与数据质量两个方面着手,提升交通决策行为分析与预测结果精度,为制定科学的交通政策与措施,用以引导个体合理出行奠定理论基础。