随着人们生活水平的提高,人们(出行者)对出行服务的要求日益提高,舒适灵活的私家车成为多数出行者的首选,也使得城市交通拥堵问题日益严峻。出行即服务(Mobility as a Service,简称MaaS)系统为改善城市交通拥堵提供了新思路,逐渐成为研究热点并被认为是未来城市交通的发展方向。在此背景下,网约车接驳城市轨道交通(简称轨道交通)的出行方式将成为一种新兴的组合交通出行方式。如何获得出行者需求以及根据需求优化出行路径是网约车接驳轨道交通相关问题的研究重点。首先,分析网约车接驳轨道交通方式的出行特征及影响因素,并构建道路交通和轨道交通拓扑网络;其次,从时间、费用和舒适度角度分析了网约车接驳轨道交通的广义出行成本,并通过构建logit模型对Automatic Fare Collection System(AFC)刷卡数据进行分配获得轨道交通断面客流数据,通过高德数据开放平台获得路段运行速度数据,为建模提供数据支持;再次,考虑网约车接驳轨道交通出行特点,把传统的广义出行成本分为感知出行成本和实际出行成本,降低出行者出行决策难度,构建网约车接驳轨道交通的路径优化模型;然后,改进蚁群求解算法,在蚁群算法中添加最大最小信息素浓度区间约束和采用迭代初期不设置约束条件策略,使其更好地求解模型;最后,以W市Z区主要道路和轨道交通网络为例对模型进行检验。通过研究MaaS背景下网约车接驳轨道交通出行需求的获取过程、出行者出行特征、出行成本及基础数据获得方法,构建路径优化模型,为MaaS服务商提供科学、合理和系统的路径优化思路及方法,为MaaS背景下其他方式的接驳、路径优化及数据获取方法等方面的研究提供参考,具有一定现实意义。