随着经济的不断发展,人民的生活水平不断提高,城市交通拥堵现象也与日俱增。车辆导航系统是智能交通系统中的重要研究内容,是当前国际交通领域中的研究热点之一。它融合了交通、车辆、电子通信、网络等领域的相关技术,可以根据不同的出行需求,向出行者提供实时的路径诱导,减少车辆在路网中的停留时间,提高路网效率,在一定程度上缓解城市交通拥堵现象。路径规划在车辆导航系统中处于核心地位,传统的最短路径问题都是在假设权值确定的交通网络基础上进行研究,而这些假设与现实的交通环境是不完全符合的。随机环境下的最短路径问题则可以更好的模拟现实交通网络参数的随机性,在此基础上进行路径规划,使研究具有一定的现实意义。本文从现实交通网络中的随机变量(路段行程时间)入手,对该变量的特定时间段历史数据进行统计分析,得到该随机变量的概率分布函数。根据车辆导航中与行程时间相关的出行需求,构建车辆导航路径规划的随机期望值模型、随机机会约束规划模型、随机相关机会规划模型,为出行者提供期望时间最短的路径、含时间约束的最短路径以及在预定时间内到达目的地概率最大的路径。由于模型中含有随机变量,文章设计了基于随机模拟遗传算法求解相应的模型,利用随机模拟来计算个体的适应度值,考虑到实际要解决的问题,在问题编码中采用了基于优先权编码的方式,使编码生成的路径更有效,提高了初始种群的性能。最后,文章以广州市天河区某交通路网为例,通过系统仿真,验证了基于随机模拟的遗传算法可以有效的求解随机环境下车辆导航的路径规划问题。