出行前无法预知突发性拥堵下的实时路径选择是整个社会和国际学术界关注的热点问题。现有成果大多假设拥堵发生在网络的单一边上,对多条关联边同时拥堵即面拥堵下的实时路径选择相关研究较少,而且这些研究采用了经典在线问题与竞争策略的理论分析框架,在更为不确定的环境下,这种方法显得较为保守。论文采用更为灵活的风险回报在线问题与竞争策略的理论分析框架,研究出行者遭遇突发性面拥堵实时路径选择的风险回报策略,即假设出行者愿意冒着风险对当前拥堵持续时间进行预测并采取相应策略,如果预测正确则得到比经典在线策略更好的收益,如果预测错误将承担损失。论文的主要工作和成果如下。建立风险回报在线框架下一般网络上突发性面拥堵的实时路径选择模型并进行策略设计及其竞争性能分析。首先设计经典在线框架下的最优在线策略——等待-重选策略,证明其为竞争比为2的最优在线策略；在此基础上给出风险回报在线框架下风险和回报的定义,结合出行者预测的拥堵持续时间设计一般网络上的风险回报策略——乐观策略和悲观策略；在风险回报在线框架下分析不同风险回报策略的约束竞争比,给出并比较一般网络上的乐观策略和悲观策略的风险回报。建立风险回报在线框架下方格网络上突发性面拥堵的实时路径选择模型并进行策略设计及其竞争性能分析。首先分析面拥堵在方格网络上的表现形式,结合方格网络特点,设计经典在线框架下的最优在线策略——等待-多选择混合策略,证明其为竞争比为1+h/m+n+2(其中,h为遭遇面拥堵的最大次数,m,n为终点vman在方格网络上的下标)的最优在线策略；在此基础上结合出行者预测的拥堵持续时间设计了方格网络上的风险回报策略——乐观策略和悲观策略；在风险回报在线框架下分析不同风险回报策略的约束竞争比,给出并比较方格网络上的乐观策略和悲观策略的风险回报。