随机路径选择模型由于具有较好地再现交通出行选择行为的能力，是智能交通系统中交通仿真和动态路径诱导的核心模型。Logit随机路径选择模型山于其能够较好地反映出行选择行为的随机性且模型计算简单，受到研究者的广泛关注。　　 本文首先回顾了Logit随机路径选择模型，分析其存在的两大缺陷：(1)无法计算路径重叠问题；(2)缺乏路径之间相对比较的合理性。PCL模型对Logit模型进行了改进，能有效地计算路径重叠问题，但仍然无法缓解Logit模型的第二个缺陷，且定义的相似性系数缺乏理论依据、增加了模型参数估计的复杂度。　　 针对这一问题，本文提出了两种不同应用背景下的单参数PCL型随机路径选择模型，在原PCL模型的基础上进行了三点改进：(1)将相对阻抗代替原模型中的绝对阻抗，使得模型参数无量纲化，增加了路径间相对比较的合理性；(2)基于等概率事件，将路径两两等效成一条路径，在不增加模型参数的情况下既计算了路径重叠问题，又简化了路网；(3)根据路径间的相关性将路径分巢，能较好地缓解不相关路径间误差。实例计算结果表明：改进的PCL模型计算简单，且比原PCL模型更能有效地计算路径重叠问题。　　 其次，本文从Logit模型的理论基础出发，推导出了路径选择概率和路径相对阻抗之间的连续函数关系，使得利用基于最小二乘法的曲线拟合方法对模型的参数进行估计成为可能。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：本文提出的方法不需要在每次迭代时重新计算路段选择概率、计算量小，且拟合优度高。　　 最后，在基于本文模型参数标定结果的基础上，随机选取了天河中心区路网中的两个OD对测试模型的有效性和精度，结果表明：本文提出的改进PCL模型能较准确地反映真实结果。