为研究活动对出行方式选择行为的影响,提出一种顺序混合方法,旨在捕捉更加丰富的出行行为规律。第一阶段使用均值异质性随机参数logit模型,分析各因素对出行方式选择行为的影响,并研究显著影响因素的异质性;第二阶段使用XGBoost-SHAP算法,补充发现显著影响因素的重要性及交互性。研究表明:11个影响因素会增加出行者选择公共交通方式的概率,其中3个与活动属性相关的因素。5个影响因素具有随机参数,其中,与活动属性相关的因素包括:出行前活动地点与最近停车场的距离近(≤200 m)、出行后活动地点与最近地铁站的距离近(≤800 m)、出行前活动类型(不在家的娱乐性活动),并且前2个因素表现出随机参数的均值异质性。活动属性相关的因素与其他属性相关的因素交互时,会对出行方式选择产生不同的影响。