交通配流模型实质上是离散选择决策模型,是所有出行者在路网上单独进行路径选择的总和。而研究路径的选择,我们需要考虑出行者按何种准则进行择路,并且自身与准则相关的特性。本文采用的是最基本的配流模型多元Logit和Probit中假设出行者按最短路准则(效用最大化)进行路径选择,与该准则相关的特性为其对路网上出行成本的了解程度。基于上述分析,本文从考虑了出行成本的边际效应与规模效应角度出发构造相应的交通配流模型。首先本文对现在的交通配流模型进行梳理,其中大多数配流模型都是基于多元Logit模型,但是该模型的独立同分布假设不符合现实交通路网。一些学者们进行了相关的改进,给出了PCL、C-Logit等多个模型,但是当路径间的绝对差值固定时,当出行成本的变化时,此类模型都是给出相同的选择概率,这不符合实际路网情景,即未考虑出行成本的边际效应。根据上面的理论分析,本文结合了Castillo提出将Weibull分布引入交通配流模型,把多元Logit模型效用函数改为相乘形式,该模型给出的路径选择概率考虑了出行成本边际效应,并加入了出行者的异质性,给出了多用户多元Weibull配流模型。随后,本文分析了现实路网上出行成本的规模效应：当路径间相对差值固定时,选择最短路的概率会随出行成本增加而增加。而多元Weibull模型未考虑到该情况,因此本文对多元Weibull模型假设的效用函数中系统项增加一个考虑规模效应的因子,给出了一个新的效用函数和同时考虑边际效应与规模效应的多元Weibull-Logit模型。对于上述两个配流模型,本文分别给出了对应的路径选择概率和与其交通配流等价的数学规划问题及算法。随后通过算例来说明这两个模型在面对出行成本的边际效应与规模效应时,会给出符合现实路网的交通流量分配变化,并分析模型的相关参数和路网总流量会对交通配流所产生的影响。最后给出了未来研究的方向。