如果在动态分配的参数中选择路径选择方法使用旧流量（旧路径搜寻），则路径选择无需路径搜寻。然后使用每个路径的概率对应其 流量(旧) 属性值占同一停车场关系的所有路径的流量(旧)属性值总和的比例。
如果已在动态分配参数中选择了路径选择方法Kirchhoff （通路出行时间） 或Kirchhoff （路径出行时间），则通过路径搜索实现路径选择。
以下说明的前提条件是，目的地停车场和到达该停车场可能的路径已知(搜寻路径迭代找到最佳的可行路径)。动态分配时，司机在起始停车场发车时选择路径。
Vissim 中选择路径的基本前提是，并非所有司机使用最佳路径，而是在所有已知路径上行驶。但很大比例的交通应分布在最佳路径上。借助一般的路段费用评估路径的质量。一般的路段费用与分散决策理论中所描述的“效用”相对立。因此将效用定义为一般路段费用的倒数：
为此
Uj = 路径 j 的效用
Cj = 路径 j 的一般路段费用
最常用，因此也是用于模拟决策行为的最佳理论分析函数为 Logit 函数：
为此
Uj = 路径 j 的效用
p(Rj) = 选择路径 j 的概率
μ = 模型的灵敏度参数 (>0)，目的地停车场选择的Logit缩放系数
灵敏度参数确定分布在效用差别上的反应强度。较低的值可能会在不对效用产生较大影响下得到近似相同的分布，较高的值会引导所有司机在实际中选择最佳路径。
如果通过上面定义的费用函数应用 Logit 函数，会导致模型赋予 5 至 10 分钟出行时间差与 105 至 110 分钟出行时间差相同的含义，因为 Logit 函数具有差异值不变性，因此仅考虑效用的绝对差。无特别适当的建模，因为在现实中具有 105 和 110 分钟出行时间的两条路径实际看起来一样的好，与之相反，5 和 10 分钟的路径看起来则明显不同。为了接近实际评估，Vissim 使用 Kirchhoff 分布公式：
为此
Uj = 路径 j 的效用
p(Rj) = 选择路径 j 的概率
k = 模型的灵敏度参数
在此再次确定灵敏度参数，表示模型在效用上反应灵敏度不同。Kirchhoff 公式中分布未确定绝对效用差，而是效用的比例，使得对于具有 105 和 110 分钟出行时间的路径仅得到较小的差别，而具有 5 分钟出行时间的路径则包含远多于具有 10 分钟出行时间路径的交通。
严格地说，Kirchhoff 函数也是一个 Logit 模型。如果使用对数的效用作为效用函数，则通过上述 Logit 函数生成：
此处 Cj d是路径 j 的一般路段费用。
上层主题：
