随着“5G”时代的到来,万物互联的智慧城市逐渐成为可能,自动驾驶出租车技术（Robo-Taxi）在自动驾驶、机器学习、移动即服务等技术的推动下逐渐走向成熟。自动驾驶出租车的出现使得人们可以通过更廉价、更安全的方式出行,同时也能够减少城市交通网络的负担。然而现有自动驾驶出租车巡游模式单一,无法充分利用系统资源以最大化载客效率,同时针对其承载网络的优化研究也存在明显不足,难以充分释放交通网络和智能交通系统的性能。基于自动驾驶出租车的工作方式,本文研究了智能交通系统中的两个问题:自动驾驶出租车在空载状态下的巡游路径规划问题,以及在自动驾驶出租车体系中的承载路网系统最优调节问题,主要工作有:（1）为了提高自动驾驶出租车空载巡游时成功载客的概率、降低用户的等待时间,本文根据出租车的乘车需求时空分布特征设计出了一种基于链路的巡游路径分配方法,同时为了更合理地同时为多辆出租车分配巡游路径,提出了一种增量巡游路径分配方法。（2）为了提高交通网络的性能和提升自动驾驶出租车服务的可靠性,本文在道路拥塞收费体系的基础上引入了基于边的动态附加费定价模型。该模型能够根据OD（Origin-Destination）行程需求动态地修改路网中各链路的附加费,并且根据服务可靠性控制机制调整附加费。同时,本文基于连续平均法（Method of Successive Average）方法和增量分配思想设计了一种启发式的方法用于求解动态附加费定价模型中最优化问题,证明了该方法能够使交通网络性能达到系统最优,最后在Sioux Falls路网模型中应用该方法并且验证了其可行性。（3）设计和实现了自动驾驶出租车服务系统,并通过仿真环境模拟车辆的行驶过程和乘车需求发起过程,对该系统的各个功能进行了验证。