交通拥堵问题已经成为制约国民经济持续发展的瓶颈问题，大力发展智能交通系统（Intelligent Transportation System，ITS）是解决交通拥堵问题的有效途径。本文针对这种现状，以全球定位系统（Global Positioning System，GPS）和地理信息系统（Geography Information System，GIS）等先进技术为基础，结合广东科学中心交通世界“ITS都市”项目，进行了基于实时交通信息的车辆诱导系统关键技术的探讨与研究。　　 本文首先分析了动态车辆诱导系统的功能要求，然后在此基础上对适合于实时交通信息的动态车辆诱导系统的系统软硬件结构设计进行了分析与研究。　　 其次，分析了数据融合技术在车辆诱导中的应用研究，提出以数据融合技术中的高阶神经网络技术为基础，通过对交通路网的分析，建立模型，准确的预测交通信息。通过应用高阶流体神经网络技术，解决复杂的交通网络计算问题，分别得出行驶距离最短、运行时间最少、拥挤程度最低、道路质量最好四种行驶路线的优化。　　 在最短路径算法的研究中，通过对Dijkstra算法、矩阵迭代算法、遗传算法、A*算法的比较与总结，得出最适合实时交通信息的最短路径算法——DA*算法，并对DA*算法的正确性和基于电子地图的动态网络中两点间最短路程的动态下界进行了研究。　　 最后在上述理论的基础上，介绍了车辆诱导系统在广东科学中心的“ITS都市”项目中的应用。该项目以Visual C＃为开发语言，结合SuperMap组件，开发出具有动态路径诱导，停车诱导等功能的车辆诱导系统。通过该项目，验证了本文车辆诱导系统方案和最短路径算法的可行性。