动态交通分配和路径诱导为智能交通系统研究的两个核心内容,如何有效的把交通动态分配到路径上以及实现路径诱导的优化,一直以来就是交通研究的重要课题。随着路网的扩张以及交通工具的进一步增加,交通日趋饱和,拥堵现象日益严重,对交通流的分配、引导在整个交通控制系统中起着越来越重要的作用。目前学术界在研究这两个关键问题的时候,都遇到了复杂的优化问题,如何高效率的解决这些优化问题成为研究的热点。以往的交通分配和路径诱导模型多半以静态模型为主,而且没有考虑实时变化的交通信息因素对交通的影响,导致模型不能对实时地路况信息做出反映,本文力图将实时交通信息加入动态交通分配与路径诱导模型,通过实时交通信息对驾驶员的出行路线做出影响,来让模型达到更好的交通分配与路径诱导效果。论文主要工作和研究成果如下:(1)改进了基本蚁群算法,提出了基于路径均值的蚁群算法。主要改变了信息素的更新方式,将路径因素纳入了信息素更新的考虑范围之内,有效地提高了算法搜索速度。(2)将实时交通信息应用于动态交通分配模型的建模当中,并用本文提出的基于路径均值的蚁群算法进行求解运算,在实时动态交通信息的引导下,对交通进行分配,发挥了蚁群算法本身的优势,取得了较好的效果。(3)将实时交通信息应用于路径诱导算法当中,并用基于路径均值的蚁群算法进行搜索,较好的改进了经典算法,取得了路径诱导过程里寻找最优路径的效果。论文最后对长沙市的主要干道进行了仿真试验,结果表明,基于蚁群算法的动态交通分配模型和路径诱导算法能对实时交通信息做出反应,动态调整道路信息素浓度,较好的改进了经典动态交通分配及路径诱导模型,同时有效的提高了模型求解速度。