随机用户均衡统一了随机和均衡的概念，相对于传统的确定型用户均衡模型，随机用户均衡模型分配出的结果更加的接近现实世界的车流分布情况。本文研究的是基于Logit的路段型随机用户均衡模型，通过对含路径信息的熵项进行分解，得到了只含路段信息的熵项，在评价函数时，能够避免路径信息的列举。　　 文章首先对路段型随机用户均衡模型进行了介绍分析，与传统的Fisk模型进行了一个对比。同时对其在算法设计中的应用进行了介绍，分析了应用此模型是如何去提高算法的效率的，并设计了一种求解算法作为下文研究的基础，以一个算例对算法的正确性进行了验证。　　 文章之后对模型的敏感度进行了分析，所谓敏感度分析就是分析在模型的一个输入变量发生变化时，输出的结果的变化程度。文章用数学规划的方法进行了敏感度分析，并对设计的敏感度算法的正确性进行了验证，之后以一个算例进行了敏感度分析。对于敏感度分析，数学规划的方法相对于变分不等式的方法，更加的容易理解。　　 最后，考虑到模型分配会有超出甚至两倍于路段容量的结果出现，文章构建了含容量约束的路段型随机用户均衡模型，在模型中加入了容量约束限制，以使分配的结果更加的符合客观世界。以增强拉格朗日乘子法设计其算法，在一个小的算例中进行了容量约束下的配流，发现分配的结果满足现实需要。文章还对加入容量约束后的适用范围进行了一定的讨论，并结合了具体算例进行分析。