交通系统是一个综合、动态和开放的复杂系统,其动力学特性主要反映智能个体间自组织交互行为随时间、空间等变化而发生演化的现象。作为交通交互行为的典型代表,群体出行的复杂性和重要程度随城镇化进程的加快而日益提升,合理协调群体出行行为能够有效提升交通系统的整体效率。复杂网络是近年来新兴起的系统理论,在研究个体微观交互和系统宏观演化上具有极大优势,因此本文基于该理论刻画交通出行行为的交互特征,并系统分析了其动力学演化机制,具体研究内容如下:首先,构建出行网络模型,分析出行活动的结构特性。采用Mean Shift算法将微软研究院的Geolife轨迹数据做聚类分区,并以交通小区作为网络节点,以出行链上的小区联系作为网络连边,利用Space P方法实现出行网络模型的构建。网络结构的统计特性显示,该网络模型具有良好的适用性,且符合现实中的统计特征。同时,通过节点攻击和边攻击,出行网络的抗毁性实验研究了意外随机事件和针对性管理事件造成的网络结构变化。级联失效的动力学现象表明,对具有良好可达性的交通小区以及有限数量的出行链进行针对性管理可获得较好的出行控制效果。然后,构建出行决策动力学模型,分析出行决策演化机制。在交通小区和出行链抗毁性研究的基础上,讨论出行决策的动力学机制,从是否选择出行阶段探索群体出行需求的演化规律。该决策模型的构建主要借鉴“公共地悲剧”思想,突出了个人利益与集体利益的冲突。通过蒙特卡罗仿真实验,智能出行群体的自组织交互结果表明:理性行为有助于抑制出行需求的增长,且不同的交互行为对出行决策的影响有所差异;此外出行量在高峰时段居高不下的原因之一是出行活动的刚性需求,盲目地增加经济惩罚来控制出行量并非最佳的交通管控举措。最后,构建出行方式选择动力学模型,分析出行方式选择演化机制。根据出行决策行为的研究结果,确定出行方式选择阶段的研究对象为刚性需求者。基于出行方式选择的定性与定量特征,探讨需求偏好因素模型的适用性,构建结构网络上的学习交互演化模型。演化结果表明:小汽车与公共交通的分担量可根据管理条件的改变而发生转移;发展自行车高速模式是有益举措,可抑制小汽车出行过量的情况发生。基于此,根据小汽车、公共交通及自行车高速的牵制影响给出三种出行方式的合理分配比例。