最优路径问题是智能交通系统中路径诱导系统的核心问题。基于实时路况的交通网络耗时最优路径,是车辆实现实时导航的基础。结合实时路况信息,及时选择与调整最优路径,不仅有节省出行者出行时间,有效利用道路资源的作用,也对缓解道路拥堵、均衡路网流量有重要意义。论文以交通网络最优路径为研究对象,以交通流理论及模型理论等为基础,开展了基于实时路况的交通网络耗时最优路径问题研究,主要研究内容如下:(1)在借鉴分析前人关于道路路阻函数研究成果基础上,考虑到城市道路属性,提出了道路路阻形式为路段路阻与节点路阻之和,并根据交通状态的划分分别建立了畅通、缓行、拥挤、严重拥堵4种交通状态下的路阻函数,同时确定了交叉口间隔、非机动车干扰、行人干扰、车道宽度等影响的路阻修正系数,优化了路阻模型。(2)根据图论的网络分析,确定随机交通网络节点、边、权值等基本要素的表达方式,确定存储量小的邻接表存储形式。通过跟车调查法,获得行程时间概率分布图,证明了路权具有随机性与时变性。在此基础上,提出在静态随机交通网络下,忽略出行者在出行过程中的选择行为与交通网络交通状态变化的前提下,利用网络平衡原理将最优路径问题转化为非线性整数规划约束问题,建立了以耗时最少为最优目标的先验路径函数模型。同时,提出先验路径算法求解模型。(3)将自适应路径与先验路径分析对比,阐述了自适应决策优势,定义了自适应搜索范围,建立了融入实时路况信息的目标函数。利用网络平衡原理,构建所在节点的平衡关系式,构建了基于实时路况的最优路径模型,通过循环搜索实时信息求解当前节点与终点间的最优路径,得到路径状态链,即可获得最优路径。同时,提出自适应路径算法求解模型。(4)在两种假设情况下,先验最优路径模型和先验决策下的BPR函数模型分别利用Sioux Falls(SF)网络进行数值试验。将先验最优路径模型的选择路径与BPR函数模型的选择结果相比,差异并不大。基于实时路况的自适应最优路径模型利用南京某区域路网转化成的拓扑图为测试网络,并设置两组假设情况进行数值试验,将结果与先验最优路径模型计算结果比较与分析,总结概括了两模型的适用性,同时也证明了自适应最优路径模型更适合在实际生活中应用。本文在静态随机网络环境下通过理论分析研究了道路路阻函数模型、先验最优路径模型以及自适应最优路径模型的构建,运用算法、MATLAB编程求解模型,并通过数值试验验证了模型的可行性,分析了模型的适用性。本文为路径智能诱导系统的研究提供了理论基础。