随着21世纪后我国城市化进程的加快,城市机动车数量也在以指数形式剧增,由此引发的交通拥堵、交通安全等问题给人们的生活造成很大的影响。智能交通系统通过引入先进的计算机、电子、通信等方面科学技术,可以有效的解决当前交通问题。车辆动态路径规划问题是建设智能交通系统中的重要环节,其主要是按照出行者的需求,根据路网的实时交通变化规律,规划出从出发点到目的点的最优路径,使整个路网达到资源的最大化利用。本论文主要研究的是城市交通中的车辆时间最优路径规划。本论文首先对传统最短路径算法进行讨论,总结出算法在处理实际交通问题中的不足之处,对经典A*算法做出改进,将角度因子引入到算法的启发函数中,屏蔽路径方向与终点方向偏转角度大的节点,对于偏转角度较小的节点,减小其估价函数值。改进A*算法综合考虑了路网特性,在保证算法搜索精度的同时提高了搜索效率。另外将路网按等级分为两层处理,提高高层道路的行驶比例,用此方案规划出的路径虽不是长度最短,但能够满足行驶时间最少。其次论文分析了路网的动态特性,提出用BP神经网络的方法来预测道路未来时刻交通流信息。以典型路口为例进行建模、构建网络结构、确定网络参数,仿真结果表明模型能较精确预测出路段未来时刻交通流信息。将道路交通流数据转化为动态时间权重时,由于BPR路阻函数无法反映道路从饱和到拥挤的事实,利用速密关系式推算得到路段分别处于畅通和拥挤状态下的实际行程时间,为实现动态路径规划提供预测信息。最后论文设计了交通流预测下的动态路径规划系统框架,主要由车载导航系统和交通控制中心系统组成。提出基于交通流预测下的动态路径规划思想,由改进A*算法原理推算出规划判别式△,当车辆行驶到路口时根据判别式△选择是否进行路径重规划。仿真结果表明预测动态算法相对于无预测动态算法规划出的路径实时性和有效性高,各出发时刻下的道路行驶时间也有所差别。