1、隨機路徑選擇模型由于具有較好地再現(xiàn)交通出行選擇行為的能力，是智能交通系統(tǒng)中交通仿真和動態(tài)路徑誘導的核心模型。Logit隨機路徑選擇模型山于其能夠較好地反映出行選擇行為的隨機性且模型計算簡單，受到研究者的廣泛關注。
　　 本文首先回顧了Logit隨機路徑選擇模型，分析其存在的兩大缺陷：(1)無法計算路徑重疊問題；(2)缺乏路徑之間相對比較的合理性。PCL模型對Logit模型進行了改進，能有效地計算路徑重疊問題，但仍然無法緩解Log

2、it模型的第二個缺陷，且定義的相似性系數(shù)缺乏理論依據(jù)、增加了模型參數(shù)估計的復雜度。
　　 針對這一問題，本文提出了兩種不同應用背景下的單參數(shù)PCL型隨機路徑選擇模型，在原PCL模型的基礎上進行了三點改進：(1)將相對阻抗代替原模型中的絕對阻抗，使得模型參數(shù)無量綱化，增加了路徑間相對比較的合理性；(2)基于等概率事件，將路徑兩兩等效成一條路徑，在不增加模型參數(shù)的情況下既計算了路徑重疊問題，又簡化了路網；(3)根據(jù)路徑間的相關性將路

3、徑分巢，能較好地緩解不相關路徑間誤差。實例計算結果表明：改進的PCL模型計算簡單，且比原PCL模型更能有效地計算路徑重疊問題。
　　 其次，本文從Logit模型的理論基礎出發(fā)，推導出了路徑選擇概率和路徑相對阻抗之間的連續(xù)函數(shù)關系，使得利用基于最小二乘法的曲線擬合方法對模型的參數(shù)進行估計成為可能。并應用廣州市天河區(qū)中心區(qū)域路網的出租車駕駛員實測出行路徑數(shù)據(jù)進行實例分析，結果表明：本文提出的方法不需要在每次迭代時重新計算路段選擇概率