随着城市化进程的不断加快,我国机动车保有量逐年增加,由此造成的交通拥堵、环境污染、交通事故频发等一系列交通问题已经成为各个城市面临的一大难题。这些问题降低了城市交通设施的利用效率,增加了出行时间和油耗,危害到公民的身体健康和生命财产安全。智能交通系统(Intelligent Transportation System,简称ITS)可以有效解决这些问题,必将成为未来交通事业发展的趋势。最优路径算法是智能交通系统中重要的一部分,具有重要的研究意义。传统的最优路径算法往往是将路径的长度因素作为判据,而忽略了路径的其他因素,如道路的行车安全性、驾驶员的主观因素与偏好等。因此,本文研究了智能交通中的最优路径算法,在Dijkstra算法的基础上对算法进行改进。改进后的算法不只是最短路径的选择,而是综合了道路长度、道路的安全性和驾驶员的主观因素进行的综合选路,结合模糊理论方法对路段综合权重建立数学模型进行计算,仿真证明改进后的算法综合多种因素进行选路,节省了出行时间,提高了行车安全性。最后在Android移动平台上设计并实现了最优路径选路软件。本文主要做了以下几项工作：首先,研究了Dijkstra算法、Floyd算法和A*算法的思想原理、算法的流程、算法的复杂度等,并分析了各个算法优缺点。其次,在Dijkstra算法的基础上对算法进行改进。结合层次分析法建立了最优路径分析模型,将道路的长度、道路的安全性因素、驾驶员的主观因素综合考虑建立模型,并给出了路段综合权重计算的数学模型。其中,在道路长度因素中引入了道路拥堵距离因子,使选路可以避开比较拥堵的路段,节省出行时间。最后,设计并实现了Android平台上的最优路径选路软件。提供给用户四种不同的选路模式,根据用户的不同需求提供差异化的路径诱导服务,满足不同用户的主观偏好。将道路的附加路况信息以地图图层的方式添加到Google Map中,提高了用户体验。最后对软件进行了测试,给出了效果图并进行分析。测试结果表明,软件运行流畅稳定,达到预期要求。