传统的用户平衡原理隐含3个基本假设:出行者拥有完美的信息和知识、出行者是理性的决策者、出行者都是同质的，由于这些理想条件的假设，导致平衡分配模型在实际应用中具有很大的局限性。本研究放宽这3个假设，运用逐日演化建模和仿真方法研究每个假设如何影响出行者路径选择行为以及不同假设下网络交通流的演化过程。　　第一，假设在完伞历史信息下，出行者完全理性、出行者同质，在集计水平上探讨网络交通流逐日动态演化问题。首先，建立了动态系统模型来刻画网络交通流的演化过程，证明了平衡解存在且唯一。然后，根据非线性动力学理论，推导出了网络交通流演化的稳定性条件。其次，通过数值实验，分析了网络交通流的演化特征，发现了在一定条件下流量的周期振荡和混沌现象。最后，以OD需求为控制变量推导出了网络交通流混沌控制的方法。　　第二，假设在不完全历史信息、完全历史信息和预测信息下，出行者完全理性、出行者同质，以出行者个体为对象，运用Agent微观仿真方法，研究出行者逐日路径选择行为和网络交通流的演化问题。首先，假定出行者根据路径的理解行程时间进行路径选择，建立了出行者路径选择模型。然后，在不完全历史、完全历史信息和发布预测信息3种信息条件下，分别建立了出行者的路径理解行程时间期望值的更新模型。最后，通过建立一个含有2条平行路径的简单路网，对3种交通信息条件下出行者逐日路径选择进行了仿真，对比分析了3种交通信息的效果。　　针对预测信息情形，设计了一种可行的行程时间预测方法，在2条平行路径的简单路网中，仿真了预测信息条件下出行者逐日路径选择过程，分析了模型参数取不同值时路径流量随时间演化的波动性和路网系统的效率。最后，以系统最优为目标，给出了预测模型参数的最佳取值范围。　　第三，假设在不完全历史信息下，出行者完全理性，在初始条件中考虑出行者的个体差异性，对初始条件和出行者逐日路径选择过程建模，以出行者个体为对象，运用Agent微观仿真方法模拟了不同初始条件下出行者逐日路径选择过程，探讨网络交通流的演化规律。　　第四，假设在完全历史信息和不完全历史信息下，交通网络中同时存在完全理性和有限理性2类出行者，根据出行者的逐日路径选择过程，建立了2种信息条件下的理解行程时间及其更新模型、有限理性模型和路径选择模型。通过数值实验，对比分析了2种信息条件下系统演化情况与出行者对信息的依赖程度、出行者的非理性程度和理性出行者所占比例的关系。　　最后，设计了2组实验来验证不完全历史信息和完全历史信息下出行者逐日路径选择模型，给出了出行者逐日路径选择模型参数的估计方法，根据估计结果分析了2种信息下模型参数的差别以及模型的精度。　　本文的研究成果不仅可以完善交通分配理论，而且有实际应用价值。研究不同假设条件下出行者的逐日路径选择行为和网络交通流演化规律，可以发现在何种条件下网络交通流演化是稳定的，在何种条件下网络交通流的演化是不稳定的。基于这些研究成果，交通管理者可以采取有效手段使网络交通流演化到稳定状态。