近年来,人工智能、大数据、5G等新技术的快速发展,为出行者实时快捷地提供了全方面的出行信息。事实证明,先进的交通信息系统(ATIS)能够帮助出行者制定合理且高效的活动-出行计划,出行者对出行信息的需求程度也在急剧增加。以往研究较多关注于单一信息对单一决策的影响,以及基于传统离散选择模型的信息使用行为研究。但是,在真实活动-出行过程中,出行者对出行信息的选择和使用特点是同时选择多种出行信息。此外,出行者在决定信息的“多重离散”选择时,通常还会决定信息的连续维度,即出行信息的使用频率,形成了“多重离散连续”(MDC)选择。因此,有必要考虑出行者的个体异质性,定量分析出行者对出行信息的选择数量,以及在出行中对信息的使用频率,以此来深度研究出行者对活动-出行信息的使用行为。本文基于传统的ATIS,融合了新兴的智能出行方式,采用SP和RP相融合的技术以及D-efficient效率试验设计方法,确定了出行信息选择行为的影响因素以及七种不同出行链,生成了出行者对活动-出行信息使用行为的调查问卷。然后,使用预调查和正式调查两个阶段获取有效样本数据。最后,本文使用R语言编程,构建多重离散-连续极值(MDCEV)模型,以成都市居民的个人社会经济属性、出行信息选择个数以及信息使用频率等为输入,以出行者对信息的多项离散选择概率以及对信息的连续使用概率等为输出,更充分的解释了模型结果中出行者对活动-出行信息的使用行为。结果表明,个人社会经济属性、信息使用特性、出行相关属性等个体异质性属性对信息选择个数和使用频率有显著影响。对于出行信息选择情况而言:在简单出行链中,相对于目的地位置信息而言,出行者更加需要实时路况信息,而对目的地附近生活服务信息需求较低。在中等复杂出行链中,相对于目的地位置信息而言,出行者更需要公交/地铁路线信息和目的地附近停车点信息,驾驶者也会增加目的地附近停车点信息的需求。此外,在七种出行情境中,“都不需要”的标定结果显著且参数符号为负,说明了出行者在任何复杂程度的出行链出行中,都对出行信息具有很高需求。对于信息需求个数来说,在简单出行链中,大部分出行者对信息的需求个数是2-4个,在中等复杂出行链中,多数出行者对信息的需求个数是3-5个,而在复杂出行链中,对信息的需求可以高达7个。表明出行情境越复杂,出行者对信息的需求程度和依赖性会越高,需要使用出行信息来保证自己的高效出行。就信息使用频率而言,在简单出行链中,出行者对信息的使用频率为1次以内,在中等复杂出行链和复杂出行链中,对信息的使用频率都不超过2次。