随着我国社会经济水平的高速发展,城市化进程迅速加快,机动车保有量快速增加。为了匹配井喷式的交通需求量,我国不断加大城市道路的建设,但依然无法满足居民不断增长的出行需求,交通拥堵已成为世界性难题。人们对某些道路的过度集中使用是导致交通拥挤的原因之一。因此理解人们出行路径选择行为为缓解交通拥堵提供了研究思路。在城市路网中人们的路径选择不总是选择距离最短路,而是受到城市结构、建筑环境、路网结构等因素的影响。每个出行者在他们的各自出行过程中,往往凭借经验选择从起点到终点的最优出行路径。以往在不确定性出行路径选择模型中,采用的模型大都基于期望效用理论、前景理论,这些模型假设出行者是理性或有限理性,未考虑城市结构和路网结构因素。本论文的工作量和成果主要体现在:把启发式决策、空间认知以及社区识别理论结合一起描述出行者的路径选择与路网结构的关系,采用基于模块化获得的社区结构算法解构路网结构,描述人们的认知过程,识别交通出行大区。建立了相应的路径选择算法。该算法包括三个步骤:人们首先对路网结构进行认知,判断起终点所在的大区;然后在连接起终点的大区之间的主要道路集合中做出选择;最后在起终点所在的大区内部路网集进行选择。以长沙市中心城区路网为例,利用本论文建立的路径选择方法,分别用静态路阻(距离)、动态路阻(速度)对长沙市中心城区路网进行解构,计算路径选择集;采用问卷调查方法和出租车GPS数据对实际的路径选择轨迹进行提取,并将理论计算结果与实际调查结果进行对比分析。本论文的研究成果具有重要的理论意义和实用价值。该模型可以确定城市路网的骨架道路;分析出现状路网中与人们使用不匹配的道路以及现状道路的等级和出行能力是否与出行者使用需求相匹配。由于路段速度属性下“高峰时段速度”与“平峰时段速度”的社区划分结果不同,因此该模型可以为制定平峰高峰期差异化交通管理策略提供理论依据。