路径选择模型是交通仿真和动态路径诱导的核心模型，同时也是动态交通信息服务平台与智能交通系统的基础部分，它确定某个驾驶员选择哪条路径或选择某条路径的概率，直接影响交通仿真路网上的流量，因此有重要的理论研究意义与应用价值。对于城市路网中的路径选择模型，则必须考虑有信号控制路网中的转向延误和限制现象以及由路段重叠或转向重叠引起的路径重叠现象。 本文首先建立路径选择的建模框架，此框架由三个步骤组成：第一步是建立路网模型作为路径选择建模的基础；第二步是在路网模型的基础上建立路径集生成算法，根据给定的路网和OD对生成有限的合理路径作为驾驶员可能选择的路径；第三步是建立路径选择模型，在第二步生成的合理路径集内计算驾驶员选择每条路径的概率。然后针对城市路网的特点，对路径选择建模框架三个步骤中的路网模型、合理路径集生成算法和路径选择模型进行了研究，解决城市路网的合理路径生成以及Logit路径选择模型中由路段重叠和转向重叠引起的重叠路径选择概率计算这两个关键问题。 第一，使用考虑转向延误的“交叉口-路段-转向”路网模型对城市路网和路径进行了定义，显式表达交叉口、路段和转向这三种路网元素，考虑路段的阻抗以及连续路段之间的转向阻抗，并基于弧标号法实现了路径选择问题中常用的两交叉口之间的最优路径算法。此路网模型能表达传统的“交叉口-路段”模型所不能表达的转向延误和限制，得到的最优路径更符合城市路网中驾驶员路径选择的实际情况。 第二，提出一种基于路段惩罚法的合理路径集生成算法。根据反映拥堵频率的实测路段车速定义路段的拥堵指数，确定算法的路段惩罚规则：每次迭代对上一次迭代计算的最优路径中拥堵指数大于零的路段进行惩罚，增加这些路段的阻抗，然后计算最优路径作为合理路径。改进算法考虑了驾驶员对拥堵路段阻抗感知的差异，避免排除合理的路径，比原始算法对上一次迭代计算的最优路径中所有路段进行的惩罚更为合理。在改进了路段惩罚法之后，通过定义合理的指标来评价路径集生成算法的有效性，并应用广州市天河区中心区域路网的出租车驾驶员实测出行路径数据进行实例分析，结果表明：尽管比原算法使用较长的计算时间，但改进算法能够较大程度提高算法生成路径与实测路径完全一致的比例，而且在本实例测试的四种算法中最有效。 第三，提出一种基于PathSizeCorrectionLogit(PSCL)模型的路径选择模型。首先提出由路段旅行时间和转向延误时间度量的PSC表达式，使得改进模型在不改变原模型结构和复杂度的条件下，可处理由路段重叠和转向重叠引起的重叠路径选择概率计算问题，而原始模型则没有考虑转向重叠。然后提出采用相对阻抗的路径系统效用函数，消除了不同阻抗变量的量纲对系统效用的影响，使得参数和系统效用的变化都比较稳定，从而更好的满足了PSCL模型推导所需要的假设：同一路径集内重叠路径的系统效用相等。在对PSCL模型进行以上两处改进之后，应用以上提到的实测出行路径数据进行模型估计，结果表明：改进的PSCL模型在模型的拟合优度和预测命中率方面都优于原始模型，而且在本实例测试的六类模型中最有效。