为满足出行者对于避免拥堵、尽量减少出行时间,优化出行路径的需求,论文从早晚高峰时段道路交通流规律探索和日复出行路径选择行为演化两方面着手,探究行程时间最优路径的实现途径。通过分析和处理南京市中心城区射频识别（radio frequency identification,RFID）数据,研究了现实路网中日复出行的规律特征。发现出行者的实际出行路径,在绝大多数情况下,既不是行程距离最短路径,也不是行程时间最短路径,但更接近行程距离最短路径,这一规律在早晚高峰时段尤为突出。基于RFID数据的路段交通流量统计,发现日复出行的道路交通流的实际随机时变特征为路段行程时间呈现随机性变化且与时间独立,统计值近似服从正态分布。面向日复出行个体,提出了行程时间最短路径的高概率实现算法。以反例论证,现有自适应算法在路段行程时间随机性变化且与时间独立的特征下,求解行程时间最短路径的无效性。进而,基于路段行程时间的历史概率分布、出行者的风险衡量偏好及当前道路实际交通流状况,提出日复出行个体的行程时间最短路径高概率实现算法（high probability realization of shortest route,HPS）,该算法能够保证以较高的概率实现行程时间最短路径。面向日复出行总体,开展了行程时间最优的交通均衡实现研究。在分析交通均衡与路网所有出行者出行路径最优之间的等同关系的基础上,通过对现实路网路径选择情况的分析,发现现实道路交通流,即非公开信息条件下的交通流是不均衡的。针对现有研究,对于公开信息条件下交通流能否均衡所存在的争议,建立了基于简单路网的日复出行路径选择行为演化人机交互实验模拟系统,及多智能体仿真系统。实验和仿真结果表明,公开信息条件下的道路交通流,也难以实现均衡,从而难以实现所有出行者行程时间最优,同时还对均衡争议存在的致因进行了解释,为平息均衡争论提供了依据。定义了随机非均衡用户最优（stochastic none-equilibrium user optimum,SNEUO）状态,并分析了非SNEUO状态的形成原因。经数据分析发现,路径无差异条件下出行者的实际行程时间,可近似认为接近最优状态;而路径差异条件下出行者的实际行程时间,普遍偏离最优状态。定义路径无差异条件下,各备选路径上的行程时间期望值,近似等于Wardrop均衡值的状态,为随机非均衡用户最优状态（SNEUO）,并在路径差异条件下推广为广义的SNEUO状态。分析表明,路径差异条件下的行程时间,不满足SNEUO状态。进一步地,论证了行程距离是影响出行者路径选择,导致出行者倾向于选择行程距离较短路径,进而形成路径差异条件下,行程时间非SNEUO状态的原因。进行了路径差异条件下,SNEUO状态实现的可能性研究。分析了影响和可用于调节出行者路径选择的因素,基于择路机制分析了交通信息和拥挤收费两种可行策略调节出行者路径选择的原理。进而,基于人机交互实验,验证了不同交通信息公开条件下,SNEUO状态的实现可能性。基于多智能体仿真,确定了拥挤收费实现SNEUO状态的可能性及对应费率值。人机交互实验表明:向不同比例的出行者公开信息和公开近期历史统计信息,均不能实现SNEUO状态,但公开近期历史统计信息更有利于趋向SNEUO状态。向合适比例（65%左右）的出行者提供非SNEUO状态下的行程时间统计均值的情况下,能够实现SNEUO状态。多智能体仿真结果表明:存在合理的拥挤收费费率值,使路径差异条件下的SNEUO状态得以实现。