交通网络承载能力的提高是城市交通规划和需求管理的重要方面,对交通网络承载能力的合理测度具有重要意义。本文针对城市交通网络的具体发展需求,包括公共交通模式分担率、出行服务性、车辆排放这三方面的考虑/限制,提出了次优网络承载能力（Second-best Network Capacity,以下简称“SNC”）的概念。为了便于表达,这些约束被称为次优约束。论文首先建立了SNC双层规划模型。模型上层最大化各起点-终点（OriginDestination,以下简称“O-D”）需求之和,约束集合包含了次优约束。模型下层是交通网络均衡模型,它衡量了在固定的O-D需求模式下的网络性能。为了更好地研究次优约束,如公共交通模式分担率,和弹性需求,模型框架被扩展到多模式网络。在此基础上提出了一种精确的SNC模型求解算法;其中,为下层多模式交通分配问题设计了一种定制化梯度投影（Modified Improved Gradient Projection,以下简称“MIGP”）算法,针对上层模型设计了一种基于灵敏度分析（Sensitivity Analysis-Based,以下简称“SAB”）发的定制算法。其次,为解决MIGP算法不可并行的问题,识别了MIGP算法中具有并行潜力的模块,提出了一种改进的并行块坐标下降（improved Parallel Block Cooridinate Descent,以下简称“iPBCD”）算法来并行化求解下层多模式交通分配问题。iPBCD算法是在并行块坐标下降(Parallel Block Cooridinate Descent,以下简称“PBCD”算法的基础上发展而来。为了进一步提高PBCD算法的鲁棒性和性能,对混合流量更新策略进行了深入研究。比较了循环规则（Cyclic Rule,以下简称“CR”）和贪婪规则（Greedy Rule,以下简称“GR”）两种块索引更新顺序;利用敏感的测试来优化块大小;比较五种坐标分组规则。最后,通过算例表明了块坐标分组规则对算法的收敛性有显著影响,且基于信息的丢弃规则使算法具有更好的收敛性和效率。在此基础上,验证了所提出的SNC模型和求解方法的有效性,表明SNC是一种有效的交通规划和管理工具。