随着经济和科技的快速发展,汽车逐渐成为人们生活中不可或缺的工具,使得人们的出行更加便捷,拓展了人们的活动范围。由于出行者不熟悉周围的地理环境和交通状况,可能使得出行者迷路或碰到交通拥堵,因此,出行者掌握正确的出行路线就显得尤为重要。传统的路径规划通常只是考虑距离最短或时间最短,而忽视了用户的需求和时变的路况信息。因此,论文基于用户的偏好和实时路况信息,动态规划出最优路径,使得用户的出行更加安全、便捷。首先,论文分析了道路交通状态具有较强的时变性和时空特性。为了使用户掌握准确的道路交通状态,提出了基于时间序列的道路交通状态及变化空间预测模型。分别从时间维度和空间维度构建小波神经网络的交通状态预测模型,通过融合算法将预测结果进行时空融合,以提高预测精度。同时,通过模糊信息粒的支持向量机模型对道路交通状态变化空间进行预测,采用模糊信息粒将历史数据模糊化,得到道路交通状态变化的最小值、平均值和最大值序列,利用支持向量机模型分别对其进行预测,得到道路交通状态的变化空间。从而让用户掌握正确的实时路况信息,合理调整出行路线。其次,论文分析了路网的表示方法,通过路段-链模型将实际的路网抽象成图论中的有权图,解决了道路限行的困扰。为了使得路径的规划符合用户的偏好及实时的路况信息,提出了建立多目标路阻函数模型。分析了影响车辆正常行驶的因素,充分考虑用户的偏好信息,结合动态因素和静态因素,利用主观赋权法和客观赋权法确定各影响因素的权重,通过多目标路阻函数模型计算各路段的综合阻抗值。最后,论文对传统的Dijkstra算法进行了优化,分别从数据存储结构、路网结构划分和路径搜索机制这三个层面对Dijkstra算法进行优化,提高了算法的搜索效率。以重庆市部分路网为研究对象,结合前文提出的交通状态预测模型和多目标路阻函数模型,确定各路段的综合阻抗,然后,利用Dijkstra算法求解最优路径。经过实例验证,本文提出的模型能根据用户的偏好及实时路况信息,动态的调整路线,始终为用户规划出最优路径,减少用户的出行成本,缓解交通拥堵。