近年来，城市交通问题变得越来越突出。各级政府都在努力寻找缓解拥堵、减少事故的城市交通管控措施。目前较为行之有效的办法是在增加交通供给的同时，采用科学合理的管理措施和手段来动态引导和约束出行需求。作为出行需求预测的一个重要组成部分，城市居民的非集计出行行为分析越来越受到学界的关注。研究人口的出行行为一方面能够从增加供给的角度为城市交通规划提供必要的理论基础，另一方面也能够通过预测出行需求来制定可信的仿真和计算实验依据，以评价各种交通管控方案。现有的非集计行为理论大都从个体的经济、环境、社会地位、心理特征等方面对出行行为建模，尚未考虑实际交通状态。这使得该理论模型在应用中受到限制。本文以复杂系统建模、分析、管理与控制的ACP(Artificial Systems、Computational Experiments、Parallel Execution)理论为指导，研究人工人口出行行为的平行标定方法，旨在使相应出行机制下“涌现”出的交通现象尽可能逼近实际交通系统。标定过程具体涉及出行目的地、出发时刻和出行路径三个要素。在现有的人工交通系统TransWorld计算实验平台上，本文设计和实现了人口出行标定模块，并开展了相应的计算实验。相关研究工作主要包括以下几个方面:　　 ①人口出行的综述研究。归纳总结随机效用、目的地选择、出发时刻、出行路径等非集计出行行为理论和模型，分析已有研究成果的优势及不足之处。　　 ②基于压缩感知技术的OD出行量计算方法。受时效性和测量规模的限制，城市路网的动态OD估计只能在欠采样的情况下间接计算。其估计结果偏差较大。对此，本文引入压缩感知技术，研究了大规模路网下的OD计算方法，从OD向量稀疏压缩和观测路段集的选取两方面改进计算过程，并采用(e)1—范数最小化方法尽可能将实际流量信息用于恢复OD主分量。另外，不同于传统的OD反推，本文还考虑了人工系统自身的人口数量以增加约束方程个数，进一步提高计算精度。　　 ③基于路段流量的出行目的地标定研究。针对随机效用理论尚未考虑实际交通信息的不足，本文提出了基于路段交通流量的出行目的地标定模型，以(e)1—范数最小化推算得到的OD出行量为基础，按照单个出行量占同类型活动出行总量的比例来标定代理对各场所的选择概率。　　 ④基于路段流量的出发时刻标定研究。在目的地标定的基础上，本文进一步从时间维上对出发时刻进行标定。将代理的活动划分为一级活动和二级活动，仍然以OD向量恢复结果为基础调整其出发时刻。另外，本文还从大数定律的角度证明了出行目的地和出发时刻标定模型具有逼近现实的意义。　　 ⑤基于路段流量的出行路径标定研究。不同于传统基于最小旅行时间的路径选择思想，本文从路径流的角度出发，提出了基于路段流量的出行路径标定模型。针对大规模路网计算复杂的问题，本文还引入了分布式计算平台—Hadoop系统，并给出了路径标定过程的MapReduce分布式编程实现方式。　　 ⑥ TransWorld系统中人口标定模块的设计与实现，以及出行目的地、出发时刻和出行路径三个要素标定的计算实验研究。本文在现有TransWorld计算实验平台的基础上，设计并实现了包括目的地标定、出发时刻标定、出行路径标定、Hadoop通信和实际数据导入等功能的人口标定模块，并开展了三个出行要素标定的计算实验研究。　　 总体上讲，面对实际交通中出行行为无法准确测量的困难，本文从路段检测流量出发，使大量个体出行行为产生的宏观现象尽可能逼近现实。相关成果不仅为城市交通规划提供符合客观的理论基础，而且为出行需求预测、仿真和计算实验提供更为可信的模型。本文的工作是人工人口出行行为研究的一种新的思路和方法，为非集计行为理论和平行交通系统的进一步实用化奠定了基础。