随着全球性气候日益恶化,恶劣天气事件比以往更加频发。我国交通运输部统计得出近十年内因气候问题导致的经济损失高达百亿元。因此,恶劣天气对交通的影响是近年来交通领域的一个研究热点问题,许多学者开始关注恶劣天气下出行行为和出行需求的变化规律。同时,随着社会经济的发展,城市之间的联系越来越紧密,城际出行需求日益增长。与城市内的出行相比,城际出行具有时间长、距离远的特点,更易受到恶劣天气的影响。虽然恶劣天气对城际出行的负面效应已被许多学者证实,但现有文献主要分析恶劣天气对出行行为和道路断面流量的影响,鲜有学者关注恶劣天气对城际OD（Origin-Destination）流量的影响,然而实时、准确的OD需求是运营管理的基础,有必要深入系统地探索恶劣天气下城际出行OD流量的变化规律,为恶劣天气下的交通运输应急保障提供基础支撑。本文融合山东省高速公路收费站数据、全球性气候数据网站和中国历史天气后报的天气数据,系统研究恶劣天气对高速公路城际出行OD流量的影响机理。首先,分析起讫点的实时天气变量及其前瞻和滞后天气变量对高速公路城际出行量的影响,探究起讫点的各种恶劣天气对高速公路城际出行量的影响规律;其次,分析不同目的地区域、出行距离、出行目的和车辆类型等情形下各类天气对城际出行OD流量的影响差异,探究天气因素与非天气因素的交互效应对高速公路出行量的影响机理;再次,从空间角度分析相近区域城际出行量的空间相关性,探索相邻区域恶劣天气对本区域出行需求影响的空间外溢性效应;最后,从时空角度,研究恶劣天气的长期效应和短期效应以及两种效应下的直接效应和间接效应对城际出行量的影响机理。具体研究内容如下:（1）揭示O点和D点的各种恶劣天气对高速公路城际出行量的影响规律。基于单个OD对的高速公路车辆通行数据,提出三种实时天气变量（基础天气连续变量、恶劣天气虚拟变量、OD点天气差变量）和两种非实时天气变量（恶劣天气滞后变量、恶劣天气提前变量）与高速公路出行量关系的研究框架,构建两者关系的一阶残差自回归模型,系统探讨O点和D点的五类天气变量对高速公路出行量的影响。结果表明,除O点天气外,OD点间的降雨量差和降雪量差对城际出行需求有显著影响,但两点间的温度差、风速差和能见度差对出行需求均无显著影响;此外,降雪和暴雨对高速公路OD流量的影响存在一天的前瞻效应和两天的滞后效应;周末和下午的出行需求对恶劣天气的影响更为敏感。（2）探究天气因素与非天气因素的交互效应对高速公路出行量的影响机理。基于单个O多个D的高速公路车辆通行数据,将山东省各区县分为六个都市圈,构建高速公路出行量与自变量之间的混合效应负二项模型,分析天气因素与出行距离、出行时间和车辆类型等的交互效应对城际出行量的影响机理。结果表明,天气因素对目的地为同一都市圈的城际出行量的影响具有同质性,而对目的地处于不同都市圈的出行量影响具有异质性;随着出行距离的增加,雾天、雪天的影响逐渐增大,但强风和暴雨的影响逐渐减小;热天和雾天对周末出行量的影响显著高于工作日。此外,热天、强风、暴雨对客车流量的影响大于货车,而雾天和雪天对货车流量的影响大于客车。（3）研究恶劣天气对相邻区县高速公路出行量的空间外溢效应。基于多个O点和单个D的高速公路车辆通行数据和不同规则下的空间权重矩阵,构建天气因素与高速公路OD流量关系的空间滞后模型、空间自相关模型和空间杜宾模型,探索相近区县恶劣天气对本区域城际出行量的影响规律。结果表明,基于相邻规则矩阵下的空间杜宾随机效应模型的拟合优度最高;各区县高速公路的出行量存在空间相关性;相邻区县的雪天、暴雨和极端温度对本区县高速公路出行量存在显著的负向影响;相邻区县的雪天和雾天对本区县货车出行量的影响大于客车,而暴雨和极端温度对本区县客车出行量的影响大于货车。（4）从时间维度,解析恶劣天气对高速公路出行量影响的短期效应和长期效应。基于多个O点和不同D点的车辆通行数据,构建恶劣天气与城际出行量之间的动态空间滞后模型,研究恶劣天气对不同城市高速公路出行量影响的短期和长期效应,以及两种效应下的直接（本区域）影响和间接（相近区域）影响。结果表明,除冷天外,各种恶劣天气对高速公路出行量的短期效应均低于长期效应。除小雨和雾天外,其他各种恶劣天气对不同城市高速公路出行量的直接影响和间接影响均有显著负影响。其中降雪的影响最大,短期效应下:降雪的直接影响（-0.5013）是间接影响（-0.1201）的四倍之多,长期效应下:降雪的直接影响（-0.6451）是间接影响（-0.0392）的接近两倍。本文的研究有助于更深入理解天气与高速公路出行需求的关系,为恶劣天气下的交通运输应急保障提供基础支撑。研究结果可应用于智能交通系统,为制定不同时段、不同出行距离和车辆类型的差异化、精准化和区域协同化的出行诱导和管控策略提供理论依据。