在确定信息环境下,边权为固定值传统的交通网络最短路问题已经取得了大量的研究成果。然而在现实中,由于运输方式、天气、道路等随机因素的影响,交通网络的边权可能成为随机变量或模糊变量,同时由于突发事件的不可预见性,道路中断的现象时有发生,车辆在行驶的过程中无法获得行进路线上道路中断的完全信息,因此对不确定信息环境下交通网络最短路关键边问题的研究成为人们关注的重要课题。　　本文主要针对基于不确定信息环境下交通网络最短路径关键边理论和算法进行了分析和研究,主要工作概括如下:　　第一章先介绍了最短路径和最短路径关键边的相关研究成果,阐述了本文的研究意义。　　第二章研究了边权为随机变量的交通网络,提出了期望最短路径、随机最短路径关键边和不确定信息环境下随机最短路径关键边的概念,给出了随机最短路径的启发式算法和不确定信息环境下随机最短路径关键边的算法。　　第三章研究了边权为模糊变量的交通网络,在模糊数的OERI积分值概念的排序基础上,提出了模糊最短路径,模糊最短路径关键边和不确定信息环境下模糊最短路径关键边的概念,给出了基于Dijkstra算法的模糊最短路径算法和基于子树连通算法的不确定信息环境下模糊最短路径关键边的算法。　　第四章研究了边权为随机模糊变量的交通网络,介绍了随机模糊变量的相关概念及随机模糊模拟,构建随机模糊最短路径的期望值模型,机会约束规划模型,相关机会规划模型,并给出了随机模糊最短路径的混合智能算法和基于混合智能算法的不确定信息环境下随机模糊最短路径关键边的算法。　　最后,总结了全文的工作,并对基于不确定信息环境下最短路径关键边的研究前景作了展望。