随着社会的不断进步和国民经济的不断发展，城市道路交通系统的复杂性和拥挤度与日俱增，交通堵塞、交通安全以及环境污染已成为困扰当今国际交通领域的三大难题。智能交通系统（ITS）能够优化城市交通，减少交通拥堵，实现交通流量的合理分配，而最优路径规划算法又是智能交通系统中路径诱导系统的核心技术，它主要是利用各种交通信息与技术，在城市道路交通网络中规划出一条从起点到终点的最优路径，以减少出行者在道路上的停留时间。论文针对现今最短路径规划算法存在的一些问题，对经典A*算法进行改进，提出了基于路网分层的A*最优路径规划算法和时间依赖的A*最优路径规划算法。论文针对经典A*算法不能兼顾搜索效率和搜索精度的双重要求，建立了一种新的权值系数更新策略，来对经典A*算法启发式评价函数中的权值比重进行控制，使在最优路径规划的前期搜索过程中，搜索以速度为重，而在后期搜索过程中，搜索以精度为重。同时，为权值系数设置一个上下限阈值，以保证不至于前期因为搜索太快而损失了太多的搜索精度，后期因为搜索太细而损失了过多的搜索速度，能够在保证搜索精度的同时提高其搜索效率，并将其与分层搜索算法相结合，提出了基于路网分层的改进A*最优路径规划算法，仿真结果表明了该算法的有效性。另外，论文还针对实际的路网是动态的且基于路段时间依赖的，以及传统路网模型缺乏对路口转向延误、转向限制以及一些路段限制信息等的考虑，建立了一个考虑转向延误等信息的时间依赖路网模型，并探讨了该模型的理论基础，重新定义了FIFO条件，探讨了时间依赖的路段权值及时间依赖的转向延误时间的计算，引入转向角算法来实时计算路口的转向类型，并将时间因子引入到经典A*算法的启发式评价函数中，提出了时间依赖的A*最优路径规划算法。最后，论文设计了最优路径规划系统的组成框架，并使用C/S模型，基于.Net Framework框架，搭建了最优路径规划系统仿真平台，实现了模拟的交通信息控制中心和车载单元客户端。仿真结果也表明了该算法对于路口有转向限制以及路段有限制信息的路网，均能够有效地进行规避得到与其相近的最优路径，对于不同的出发时刻，规划得到的预计行程时间也不同，且能够有效提高系统的整体运行效率。