近年来,随着城市圈的不断扩张和城市基础设施的不断完善,城市居民的出行方式和出行路径越来越多。起讫点间有多条路径,但出行者并不是每条路径都会选择,只有当路径上的条件满足出行者的要求时,此路径才会被选择。电动车和自行车在出行时会存在距离约束,同理路径中的换乘次数、出行费用也具有一定的限制,对出行路径中的出行距离、换乘次数、广义费用等进行约束,在路径约束条件下重新定义可行路径和有效路径,传统的路径搜索算法不能解决路径约束下的搜索问题,因此,提出新的算法,根据新的算法,计算约束条件下的多模式交通流分配的UE模型和SUE模型,并进行算例分析。本文的主要工作如下：(1)分析城市各种交通方式的特征,结合城市交通组合出行模式,基于超网络理论,提出了包含小汽车、电动车、公交车、地铁以及自行车在内的五种交通方式组成的多模式超级网络模型。(2)在多模式网络中,根据出行路径的换乘次数、出行距离以及出行者出行习惯定义可行路径,在可行路径的基础上,对出行广义费用进行上限设置,提出有效路径的概念；基于K短路径理念,提出路径筛选的概念和算法；基于Dijkstra算法,提出路径约束条件下的最短路径搜索算法：最后提出了两种有效路径的搜索算法,基于扩展网络的有效路径搜索算法和基于图的遍历法的有效路径搜索算法。(3)提取影响出行者路径选择的三个要素：出行时间、货币费用以及舒适度损耗,构建广义费用函数模型,并详细介绍了行驶弧、换乘弧和上下网弧的费用表达式；给出了路径约束条件下的基于UE多模式交通流分配模型与算法,并通过算例证明了模型与算法的可行性和有效性。(4)根据有效路径搜索算法,结合Logit路径选择模型,进行了路径约束条件下的基于随机用户的多模式交通流分配模型与算法研究,通过算例,对配流结果与参数灵敏度进行了分析,证明了算法的可行性和有效性。