随着人工智能科技的不断发展与完善,智能交通系统(ITS,Intelligent Transport System)正不断的进入到我们普通人的视野和生活里。智能交通系统作为未来交通系统的重要发展方向,在世界范围内都获得了日益广泛的关注,智能交通系统涵盖了众多的科学研究邻域,其大量应用了当前先进的科学技术和人工智能思想去建立起一套能够拥有更智能、更准确、更有效的综合交通运输管理和控制系统。城市道路交通的动态路径选择作为智能交通系统中重要的环节之一,其同样也成为近些年来学术研究的热点问题。针对近些年我国城市交通拥堵状况居高不下始终得不到有效的缓解以及新出现的“导航堵”等一系列问题,本文从城市道路交通网络的动态路径选择问题入手,设计了一种基于短时交通流预测的动态路径选择方案。本文的整体思想是通过利用城市道路交通网络上各路段的实时信息对道路未来5分钟内的通行状况进行的短时交通流速度预测,以反映城市道路交通网络上各路段道路通行状态的变化,再利用速度时间转换公式将得到的城市道路交通网络中各路段的速度预测信息转换为各路段的预计平均行程时间,然后设定城市道路交通网络中各路段的路权值,最后利用基于传统Dijkstra算法的改进算法计算出当前时刻的最优路径。在交通参与者到达目的地前,该方案将循环进行交通流的短时预测和路径选择直至交通参与者到达目的地。进而实现城市道路交通网络中各路段的通行状况的平衡,改善城市道路交通拥堵的状况,避免“导航堵”等不良的道路通行状况的出现。本文在总结了国内外有关于城市交通网络中短时交通流预测和路径选择问题的研究现状基础上,通过对现有的短时交通流预测模型和最优路径求解算法分析和筛选,在针对交通流预测信息对整个城市交通动态路径选择问题研究的效率影响的基础上,对其预测信息的结果有着较高的精度要求,因此本文提出了小波神经网络的速度预测模型。而根据基于短时交通预测的动态路径求解算法的一些基本特征以及一些关键因素的确定,并针对与动态最优路径选择的算法则要求其拥有较高的搜索效率以及较小的时间复杂度,本文选定了以传统Dijkstra算法为基础针对时间复杂度改进的算法为动态最优路径求解算法。为了验证本文所设计的基于短时交通流预测的动态路径选择方案的有效性,本文选取了合肥市明珠广场附近的道路交通网络的一部分路网作为实例,并对该实例的基本道路交通信息和仿真平台进行了介绍,最后验证了本文所设计的方案的可行性。