车辆路径规划问题是目前智能交通的研究热点。它能缓解交通拥挤的社会问题,减少车辆的能耗,减轻环境的污染,缩短人们的出行时间。它能使得资源和时间的利用率最大化。随着嵌入式技术和无线传感技术的发展,在智能交通网络中,车辆不仅能够获取地图信息、历史信息,而且能够获取实时交通信息。从理论的角度讲,交通系统的车辆路径规划问题早在50多年之前就有学者提出,它的理论研究已经非常成熟。但是,到目前为止,很少有研究指出,在真实交通网络下,实时信息对于车辆路径规划的现实收益有多大。本文的主要工作是信息处理,车辆路径规划算法的实现和性能分析。信息处理过程是本文的难点之一。我们通过上海大众出租车公司得到了4000多辆出租车的GPS数据。通过地图匹配算法、路径选择算法、路段实时速度和历史速度等步骤,组建了上海市区车辆网络(SUVnet)。然后,我们寻找了经验行驶路径(EDP),实现了最短路径算法(SPA),最短时间算法(STA),基于历史信息的算法(HBA),适应性实时算法(ARA)和最优算法(OPT)。由于基于实时信息的算法被证明是NP hard,我们提出了一种适应性实时算法。最后,我们从不同的维度,各种角度比较了各种车辆路径规划算法的性能。通过实验,我们发现实时信息对车辆路径规划具有重大意义。基于实时交通信息的路径规划策略能够使智能车辆行驶时间缩短33%左右。而且,实时信息的时间延迟对车辆路径算法的性能影响很大,是一个必须考虑的因素。另外,我们发现司机经验行驶路径的性能差于预期,比其他五种算法都差。并且,GPS导航系统对司机的出行具有现实意义,它能减少车辆的行驶时间。同时,历史信息对车辆路径算法的性能有很重要的作用,特别是在交通非高峰时段,它甚至可以替代实时信息。最后,我们讨论了智能交通网络下车辆路径规划算法的一些重要的设计原则。