交通分配问题是分析交通体系及评价城市交通规划的核心问题之一,也是改善城市交通管理与控制的一个关键问题,在交通科学与工程领域有着重要的地位。在实际的交通分配过程中,存在着随机的和模糊的两种不确定现象,传统的均衡分析方法很难解决这类问题。Henn定义了模糊用户均衡条件：每条被配流的路径都具有几乎最小的近似路径成本。根据模糊用户均衡条件,本文将模糊路径选择问题转化为模糊机会约束规划模型,并运用将模糊模拟、神经元网络和遗传算法相结合的混合智能算法,对这个模糊机会约束规范模型进行求解。基于Henn定义的模糊用户均衡条件,本文提出模糊随机用户均衡条件,即在均衡点,所有司机都选择了几乎最小的理解阻抗的路径。在模糊路径选择模型的基础上,运用随机模拟,得出了模糊随机交通分配的算法。本文用模糊乐观值法给出了模糊用户均衡条件的精确化表述形式,建立模糊交通分配问题的变分不等式模型。在模糊交通分配问题的变分不等式和随机交通分配问题的变分不等式的基础上,基于路径和基于路段分别建立模糊随机交通分配问题的变分不等式模型,并用对角化算法进行求解。