目前,像交通拥挤和空气污染这样的交通问题已经引起了越来越多的社会关注。人们采取了许多的交通策略,比如在拥挤的交通区域和时段收费以及大规模交通基础设施建设,来以缓解这些交通问题。然而,这些措施往往涉及巨大的社会成本和经济成本,采取这些政策应该十分谨慎。因此,准确预测未来交通需求以及其对交通策略的反应对于规划和决策部门具有极其重大的意义。在本文中,我们试图建立一个综合的基于活动的交通需求建模体系,以使交通需求预测更加准确和符合现实并且容易使用。该模型体系顺序地包括四部分,分别是活动决策生活方式基础、活动的产生、目的地和交通工具选择、出行时间分布。进入二十一世纪后,随着现代统计学的发展和计算机运算能力的提高,许多学者采用越来越复杂的交通模型来更加真实地反映人们的出行决策过程。许多的方法非常复杂,研究人员往往需要在行为的现实性和模型的复杂性之间取得平衡。另一方面,由于人们对于交通政策和土地利用规划的改变会产生不同的反应,并且人们有各种不同的生活方式,在发展基于活动的交通需求模型之前先把研究区域的人们划分为几种生活方式类将会是非常有用的。通过这样做,模型的复杂性可以大大降低,与此同时,活动和出行模式的选择也可以内在地考虑到。在过去的20年中,有大量的研究关注于活动的产生。常用的统计模型主要包括两种:离散选择模型和计数模型。文献中很少有对这两类模型进行比较以确定哪一类统计模型更加适用于对活动的产生进行建模。本研究比较了这两类模型以试图确定最适宜的活动产生模型来更加真实地反映郊区居民的活动产生模式。活动需求产生后,人们开始考虑选择合适的目的地和交通工具。通常,人们应该是先选择活动的目的地,然后选择合适的交通工具到达该目的地。在本文中,目的地选择以及给定目的地条件下的交通工具选择分别使用了广义logit模型和二项式logit模型。最后,我们使用了贝叶斯定理整合了活动的产生、目的地和交通工具的选择以形成一个综合的基于活动的交通需求模型体系。在决定了出行的目的地和交通工具后,出行时间的选择就自然出现了。通过研究出行时间选择,我们可以确定出行在时间上的分布,这对于交通管理有重要意义。本文提出使用随机系数Cox风险模型分析非上班族的出行时间选择问题。该模型通过随机系数反映影响出行时间选择的个体间不可观察的异质性,并分别使用非参数方法和参数方法进行参数估计。此外,该模型使用了非参数的基本风险,其并没有对出行时间强加任何形式的先验的参数分布。所有这些分析对于我们理解出行时间选择的决定因素提供了有价值的研究。本文最后对这个综合的基于活动的交通需求建模体系进行了总结并对未来的研究提出了一些建议。