随着中国经济的快速发展,城市居民交通出行问题成为公众关注的焦点。根据居民出行调查数据分析、总结居民的出行行为是城市交通规划建设中不可或缺的工作,也可为相关部门制定交通管理政策提供参考依据。目前,国内外关于居民出行行为的研究主要基于非集计模型展开,而应用数据挖掘等技术进行居民出行行为分析的研究较少。因此,本文提出运用决策树的方法对居民出行数据进行深度挖掘,以分析影响城市居民出行行为的关键影响因素和作用机理。本文首先对居民出行方式影响因素进行了研究,然后对常用居民出行方式选择行为分析模型进行了理论对比,探索从数据挖掘的角度,利用决策树模型以出行和简单出行链为研究对象对居民出行数据进行分析。在对比决策树模型的基础上,选择有代表性的Exhaustive CHAID模型和C5.0的模型进行了居民出行影响因素模型构建。同时对模型进行了参数优化,比如设定了基于“绿色出行”的成本矩阵等。通过基于出行和基于出行链的居民出行方式选择影响因素对比分析表明:(1)二者总体影响因素相近,作用规律类似。小汽车拥有量、职业、出行时间等是影响居民出行选择的关键因素。同时也挖掘出该市居民由步行出行方式向其他方式转移的时间拐点等出行特性。(2)但两者仍然存在一定的区别,即基于出行的居民出行方式选择更着重于居民个体化的条件及需求,例如职业、年龄;而基于出行链的居民出行方式选择更着重于居民本身出行的固有条件,例如两次出行间隔时间等。基于以上分析,本文提出该市在新城建设时可以打造20分钟社区步行生活圈、也可以通过提高小汽车出行成本,对小汽车收取拥堵费、加强“绿色出行”理念的宣传引导绿色出行等方法来优化居民出行结构。