对中小城市路网进行可靠性分析,可以预判城市路网所能承受的交通量增长程度、识别路网中的关键路段,从而提前控制交通需求增长、对关键路段进行相应干预,提高路网服务水平,保障城市高质量、可持续发展。考虑到多数中小城市正处于快速发展时期,可塑性较强,对其进行路网可靠性分析可有效保障城市可持续、高质量发展。论文通过对路网连通可靠性、行程时间可靠性和基于路网容量的可靠性三个阶段的主要分析方法的总结,对路网可靠性分析的模型和算法设计进行了优化。模型方面:采用基于路网容量的可靠性分析本质是求储备容量系数,对其双层规划模型进行了优化,在上层模型引入服务水平控制、出行时间限制的约束条件,在一定程度上实现了路网容量和出行时间可靠性分析的统一;下层流量分配模型,为使其分配结果更加准确,采用基于起终点的随机用户均衡（SUE）模型,并加入了路段容量限制,并对其等价性和唯一性进行了证明。算法方面:设计了基于路网容量的可靠性分析的流程框架,对于其中涉及的带约束的SUE问题采用增强拉格朗日乘子法求解;下层分配模型采用的是基于起终点的SUE模型,避免了路径的列举,可对相继平均算法（MSA）的迭代步长进行优化,提高了计算效率。根据敏感度矩阵,可以在求得一组初始解后,较为便捷的得到在输入变量发生变化时新的均衡解,是基于路网容量的可靠性分析算法的重要组成部分。论文基于数学规划方法,对基于起终点的带容量约束的SUE模型进行了敏感度分析算法设计,并且对于约束条件下的敏感度矩阵计算进行了简化推导;通过简单的单起点和多起点的算例,对算法的正确性和可行性进行了验证,在算例应用中,对于出现的秩亏问题提出了处理思路,保障可以得到分析结果。论文对两种计算路段容量的主流方法进行了总结分析,通过对理想通行能力修正得到路段容量的方法计算简单,但是由于是确定型数学模型,忽略了随机影响因素对结果的影响,在中小城市复杂的交通环境下并不适用;通过速度-流量模型得到路段容量的方法,本质是一种模糊识别的方法,可以考虑到随机影响因素,但是直接用来计算大规模路网的路段容量需要调查的工作量大,同时该方法在城市中使用,需要对速度进行处理以得到较好结果。考虑到径向基（RBF）神经网络是一种结构简单、收敛速度快、能够逼近任意非线性函数的网络,在模糊识别方面应用较好,论文基于RBF神经网络,结合速度-流量模型,选取部分具有代表性的路段作为训练路段,构建了RBF神经网络,进行了路段容量标定流程设计,并结合响水老城区路网进行了实例应用,对比预测结果和计算结果,误差在工程可接受范围之内。响水老城区路网在中小城市路网中比较具有代表性,论文以响水老城区路网为研究对象,首先根据路网实际情况,对老城区路网进行了拓扑化,提高结果的准确性;之后对于交通小区的构建及OD矩阵的获取进行了研究;最后,基于路网容量对其进行了可靠性分析,同时对于其中的“敏感”路段进行了识别。基于响水老城区路网的可靠性分析,论文从交通需求管理、拓扑结构优化和关键路段改善三个方面,提出了具体的措施和改善建议,并且在路网优化和路段改善后,进行了可靠性提升评价:相对于改善前,老城区路网可靠性提升明显。同时,论文就关键路段的识别,设计了基于贡献度和综合交集的识别方法,并结合实例进行了应用。最后,论文对于高可靠性路网的规划方法进行了总结。