随着公共交通出行方式的多样化以及线网的规模化与网络化，出行者在公共交通内部的出行方案选择也呈现多样性的趋势。而通勤出行是公共交通服务的主体。因此，对公共交通通勤者出行方案选择特征与影响因素的准确掌握，成为了公共交通系统构建、线网设置优化以及公共交通优先发展政策制定等一系列问题的基础。此外，随着公共交通智能化系统的建设与发展，海量的交通运行与交易数据被收集起来，如IC刷卡交易数据。如何利用这类大数据并充分发挥其潜在应用价值，使其服务于传统的出行方式选择预测模型，也成为了新的研究方向。基于此，本文拟利用传统出行方式选择预测模型和公共交通刷卡数据，形成理论方法与大数据的优势互补，揭示通勤者在不同公共交通方式间的选择行为。　　首先阐述了公共交通通勤出行的内涵，详细分析了影响通勤者出行方式选择的因素。基于此，设计了RP与SP相结合的面向公共交通通勤者的调查问卷。之后，通过调查数据预处理、列联表分析确定显著影响因素、极大似然法估计因素参数等步骤，构建了公共交通通勤者主要出行方式选择模型，确定了通勤者出行方式选择的显著影响因素及权重值。　　另一方面，本文利用公共交通刷卡大数据对所建模型进行了大样本、广范围的验证与分析。研究在对刷卡数据特征分析和机器学习理论阐述的基础上，面向公共交通出行者建立了基于线性核函数的支持向量机(SVM)分类模型，实现了通勤与非通勤者的定量、精准化分类。在此基础上，基于刷卡数据获取了北京市票制票价改革前后不同出行距离下的公共交通通勤者主要出行方式选择结果，并与所建模型的预测结果进行了对比验证。通过刷卡数据验证可知，本文所建通勤者出行方式选择模型预测精度较高，票改前后公交出行分担比例的平均预测绝对误差分别为8.85％和5.93％。　　最后，本文利用所建模型对北京市公交与地铁出行费用差和时效差发生不同程度变化时，不同出行距离的通勤者主要出行方式选择结果进行了预测。预测发现，公交出行时效的改变对于公共交通通勤者出行方式选择行为影响较大，当公交出行耗时在现有基础上增加15.00％时将有14.11％左右的公交通勤者向地铁方式转移;如果在现有票制的基础上，再增加1元地铁出行费用，将有效引导短距离通勤者向公交方式转移。本研究可为公共交通相关政策制定、线网规划以及服务水平改善等工作提供有效的数据支持。