随着社会的发展,人类消耗的能源和产生的污染物逐年上升,已经危害到全球生态环境与人类生活安全。国家能源战略和国家应对气候变化规划都提出了对能源消耗和碳排放量的约束要求。交通运输活动能源使用量大、排放强度高,是城市能源和污染物排放的主要来源,也成为实现节能减排的重要领域。不同交通方式的能耗和排放存在较大差异,出行结构的优化对于降低能耗和污染物排放具有重要作用。若北京出行结构模式转变为以轨道交通为主的模式,能源消耗、污染物和碳排放分别能够实现降低10%-50%,对于环境改善将起到积极作用。因此,解析交通行为,研究基于能源环境约束的出行结构优化调整,对于积极应对政府对能耗排放的约束考核,满足对蓝天白云的期许具有重要的现实意义,对于完善出行结构及出行行为研究方法也具有推动作用。本论文分别从宏观的出行结构优化、中观的出行活动调整、微观的交通方式选择三个方面研究基于低碳目标的出行结构和出行行为优化调整的理论与方法。为了支持模型构建,进一步拓展研究了出行行为调查技术和多源数据分析方法。论文的主要内容包括以下4方面:(1)基于多源异构数据的交通出行行为调查技术和数据分析方法。分析了出行行为调查方法的优缺点和适用性,构建以入户调查为核心,道路流量、GPS定位、手机APP为校核,手机定位数据、公共交通调查、出租汽车调查为互补,意愿调查为共生关系的出行者交通出行综合调查体系。对调查获取数据特征进行分析,针对多源数据,给出加权扩样和综合校核的数据分析技术路线,并以北京市第四次全市交通综合调查为例,进行了调查项目设置和多源数据分析的实证研究。(2)基于低碳目标的城市交通出行结构优化模型研究。从宏观出行结构调整目标层面,以降低碳排放和提高政府交通建设资金投入产出比为目标,构建基于社会成本投入的城市交通出行结构优化模型。将居民出行社会效益作为模型的目标函数,将能耗、排放降低水平、公共交通满载率等作为约束条件,使用分枝定界法对模型进行求解。开展实证研究,分析北京市出行结构、出行费用、政府投资、能耗和排放约束等指标数据,经模型测算得到低碳目标下的城区最优出行结构。(3)基于居民出行活动的出行组合链预测模型研究。首先分析居民一日出行数据,将出行活动和交通方式按照发生序列串联起来,构成组合链,组合链包含一日活动序列、每次活动目的、采取的交通方式等信息。而后对组合链进行编码,转化计算机能够识别和计算的0-1代码模式。之后应用神经网络预测模型,通过训练数据对组合链模型进行模拟训练,预测居民出行活动,获取出行总量变化。最后应用模型开展实证分析,对人均收入加倍及取消小汽车摇号措施进行分析,测算居民出行量和交通碳排放量的变化。(4)基于低碳政策的个体出行者交通方式选择模型研究。应用北京市第四次交通综合调查数据,分析影响个体进行交通方式选择的因素,构建基于Mixed Logit模型的个体出行者交通方式选择模型,进行基于优化退火算法的模型参数求解。开展实证分析,对拥堵收费和公交提高运行速度两项措施对出行方式转变和碳排放量变化效果进行预测和评估分析。