城市在现代化发展进程中伴随而来的交通拥堵问题为社会经济发展带来了巨大的损失,为了更好的缓解城市内部的交通拥堵,本文将从宏观基本图（Macroscopic fundamental Diagram,MFD）与交通分配的角度来探究此问题。宏观基本图是城市同质区域聚合化交通信息表达的载体,利用宏观基本图映射的路网动态特性并结合交通分配与诱导的理论为路网中车辆的行驶路径提供决策依据是本文的主要研究内容。以往基于MFD理论的路线引导方案一般考虑的是集中式车辆汇总方案,这对车辆在宏观层面的平衡分布是有效的,但缺少车辆在详细交通网络上的路径信息。为了进一步提高MFD框架下车辆路径诱导信息的详细程度,通过考虑车辆在路网宏观层面和微观层面的协调统一表达来实时诱导路网中车辆的合理分布,具体的研究内容可归纳总结为以下几点:（1）对宏观基本图的理论进行概述。分析并总结交通网络的宏观聚合特性,并在此基础上进一步获取研究所需的同质路网宏观映射关系。（2）构建车辆路径分层控制模型。首先对宏观路径的意义进行阐述,进而在异质宏观路径的基础上构建了交通网络约简技术方案,并在约简网络的基础上建立了交通需求宏观平衡分布模型,这一步的主要意义是计算交通需求在宏观路网上的平衡分布,利用连续平均法（Method of Successive Average）对此定点问题进行求解,所求的车辆分布结果也是集中汇总式的;借助约简网络中的异质宏观路径激活路网微观路径,进而将宏观聚合流传递到微观网络尺度并采用Logit路径选择模型对车流进行二次分配。（3）求解方案设计。路径分层控制模型的求解与验证是在SUMO仿真平台上进行的,主要是通过Python调用SUMO的Traci接口来实现测试网络交通信息的实时交互。仿真运行过程是一个动态实时反馈的过程,Python利用Traci读取每一步仿真信息进行路径分层控制计算并利用Traci将计算结果反馈给车辆。（4）仿真结果分析。分析了三种车辆路径控制策略下,测试网络的实时状态信息与路网运行指标。结果表明路径分层控制是有效且优于对比策略的。