【摘要】近年来，机器学习模型因其优越的预测性能和灵活性，被广泛引入时空出行行为建模与预测研究中，但其基础研究框架和技术路线尚未明晰。论文通过回顾2010—2022年相关领域发表的重要文献，梳理了机器学习算法的应用对时空出行选择行为研究范式的影响，总结了当前研究中亟待解决的关键问题及影响时空出行选择行为建模效果的潜在因素和作用机理，展望了未来研究中需要重点突破的方向。将机器学习算法有效应用于时空出行选择行为研究，不仅需要与决策场景相契合的模型架构和决策机理支撑，还应克服诸多机器学习过程及方法的固有缺陷，并充分考虑外部研究条件对时空选择行为模拟和预测效果的影响。现有的机器学习模型已能够契合大多数出行选择决策场景，多元化、高效率的机器学习算法必将有力推动出行选择行为研究的发展。有限的可解释性仍然是学者们难以广泛信任基于机器学习的时空出行选择行为模型的根本原因。面对大数据时代时空出行选择行为研究的机遇与挑战，充分融合机器学习算法和经典决策理论及模型各自的优势，同时提升时空出行选择行为的模拟精度和模型可解释性是重要发展趋势。