城市交通拥堵是目前世界各国共同面临的难题,实践也已证明：通过修建基础设施和扩建城市道路的方法,并不能从根本上解决交通拥堵问题。而且大城市中可供利用的土地资源已越来越小。因此,应研究交通系统管理和交通需求管理方法,大力发展智能交通技术,以充分利用有限的交通资源,挖掘现有交通设施的潜力,为出行者提供畅通无阻的交通环境。这样不仅可以有效地改善交通网络性能,缓解城市交通拥堵,而且为构建和谐社会排除障碍。本文主要研究了城市交通网络中出行者在不同条件下的路径选择问题。虽然关于路径选择问题的研究已经有很长时间了,而且也产生了很多优秀的模型和算法,但是在不同的条件、不同的要求下,尤其与现实的交通网络最接近的带有随机性和时间依赖性的抽象网络中的路径选择,依然存在很多需要进一步完善、改进和解决的问题。针对前人研究中存在的问题和出现的新问题,本文进行了以下研究与探讨：(1)通过系统的分析和总结国内外相关文献的研究状况,对路径选择问题的发展历史及研究成果给出了文献综述,同时指出了存在的问题,并以此作为本文研究的方向和主要内容。(2)由于随机时间依赖网络比静态网络、随机网络、时间依赖网络更符合实际的交通网络特性,所以讨论了随机时间依赖网络中的路径选择问题。首先对算法执行过程中网络节点的搜索顺序进行了优化设置,使得每个节点的信息只通过一步更新就可得到。在此基础上,将路段的属性定义为时间的离散随机变量,给出了单属性和多属性条件下的路径选择算法,出行者可以根据到达节点的不同时间选择相应的路径,路径选择的结果以树结构的形式给出。另外,在多属性的路径选择过程中,采用了基于信息熵理论的多属性决策方法。在只讨论时间属性的路径选择中,根据出行者到达信号控制交叉口的具体时刻以及该时刻所属信号周期的位置,考虑了通过信号控制交叉口的延误,并且分析了信号控制交叉口的延误对路径选择结果的影响。(3)讨论了两种形式下出行者有主观偏好时的路径选择模型。在路径信息已知的条件下,将出行者的主观偏好从路径和属性两种不同的角度给出,路径的偏好值用互反判断矩阵给出,属性的偏好值由出行者自己给出。由于出行者的主观偏好与客观信息之间经常存在一定的偏差,为了尽可能的减小这种偏差,本文建立了单目标的优化模型,并采用解析的方法对模型进行了求解,给出了相应的求解步骤。(4)在危险品道路运输的路径选择问题中,最重要的问题之一是进行路段的风险评价,它是进行安全管理与科学化决策的基础和重要依据。所以本文利用伤亡人数、经济损失和事故率三个因素来综合确定路段的风险,同时又设这三个因素受该路段上人口密度、道路条件、天气状况、危险品的危险等级以及危险品的运输质量等客观因素的影响。采用多重多元回归分析的方法,建立了伤亡人数、经济损失和事故率与多个客观因素之间的多重多元回归模型,以确定它们之间的相互依赖关系,并进行了假设检验。在此基础上,利用信息熵理论给出了由伤亡人数、经济损失和事故率决定的路段风险预测模型。(5)将蚁群算法应用到了交通网络的路径选择问题中,对基本蚁群算法做了一定的改进,首先对交通网络的路径搜索重新进行了定义；第二、将蚂蚁的随机选择行为通过随机数表现出来,并与状态转移概率相结合,定义了综合状态转移概率；第三、引入影响路段的多个因素,用虚拟的路径长度代替实际的路径长度；第四、采用动态自适应调整信息素的方法；最后,为了避免算法的搜索陷入局部最优,将路段上的信息素限定在一定的取值范围之内。在上述改进的基础上,给出了城市交通网络中确定起讫点对之间单属性和多属性条件下路径选择的实现步骤,最后进行了仿真实验并分析了结果。(6)一般情况下,网络中路径的搜索是在整个网络中进行的,然而在实际的路径选择过程中有大量的节点和路段是不需要进行搜索的,如果能够剔除这些多余的路段和节点信息,对于减小问题的规模和计算复杂性是很有好处的。基于这个思想,本文在最后从图论的角度出发,将节点的度定义为非负整值函数,得出了限制条件下网络结构发生变化时子网络的存在条件。