城市化进程促使人口向城市转移,导致交通需求增加,进而造成交通供需失衡引起交通拥堵。因此需要从交通供需角度出发寻找策略缓解交通拥堵现状,然而仅靠加快交通基础设施建设不能从根本上解决交通拥堵问题,故需从交通需求方面入手,制定相应的管理机制缓解交通拥堵。考虑到交通网络受到外界因素扰动会呈现非平衡态,本文以非平衡态向平衡态路网的演化过程为研究时域,分析出行者的逐日出行行为导致的交通流逐日演化情况,以把握交通流的演化规律从而在长期上为交通需求预测、交通控制与管理等提供理论依据与技术支持,进而调整交通供需矛盾,缓解交通拥堵问题。首先,以现有的相关研究为基础,引入前景理论描述出行者的逐日出行行为,考虑出行者的认知更新并结合马尔科夫学习模型,利用历史出行信息对理解行程时间、参考点及路网行程时间分布参数进行逐日更新,同时考虑了记忆规则对逐日更新的影响。结合流量的状态转移方程及转移规则,建立路径流量逐日演化模型。结合算例模拟路网流量的日变过程,分析流量转移阈值与记忆规则对流量演化的影响。然后,将流量从路径逐日演化推广到流量在出发时刻及路径均逐日演化的情形,建立道路收费路网流量时空演化模型。在建模过程中,将出行者同质性的假设放宽,按照时间价值将出行者分类,并设置到达时刻多参考点;以出行者准时到达概率最大为目标建立出发时刻流量转移模型,以路径前景值最大为目标建立路径流量转移模型。结合算例分析了异质出行者在出发时段的流量演化情况,在路径上的流量演化情况及各路径流量在出发时段上的演化情况。最后,考虑无人驾驶车辆投放对路网流量逐日演化的影响。建立包含出行者和无人驾驶车辆的混合流量日变模型,对应的子模型即出行者流量日变模型和无人驾驶流量日变模型。出行者流量以路径前景值最大为目标进行流量逐日演化;无人驾驶流量以路径的边际阻抗最小为目标进行流量逐日演化。结合算例模拟了路网混合流量的逐日演化过程,分析无人驾驶车辆比例对系统总时间的影响,出行者流量转移阈值与短期事件对混合流量演化的影响。本文通过建模及算例研究了多类交通情形下的路网流量逐日演化规律,丰富了逐日动态交通分配理论,为交通预测及交通管理等提供理论依据。