随着城市规模的不断加大，城市道路交通拥挤等问题变得越来越显著，而智能交通系统能够为这些问题提供技术措施，道路网模型、交通流预测与路径搜索算法作为智能交通系统的重要组成部分，三者的有效结合将会大大提高动态交通导航系统的效率，这将对城市交通管理系统的交通信息资源整合，解决大城市道路交通拥堵等问题，提高城市交通管理水平起到重要作用。本论文围绕智能交通系统中的路网模型、交通流预测及路径搜索算法的深入研究，概括起来其主要研究工作包括以下几个方面：1.借鉴人类对城市道路交通路网的认识和理解和从实际城市交通路网本身的特点出发，研究一种以"道路"为基本元素的新型路网模型(Road-Based Model,RBM)。该路网模型可以用来详细描述每条道路的空间属性信息和交通属性信息，并通过道路相交处的关系把道路连接成一个整体，同时考虑把大量路段上的道路基本属性信息和道路交通信息保存在道路上，减少数据存储冗余，提高网络查询效率，此外，为了满足车辆人们能够获得道路网的实时动态信息，考虑在路网模型中设置相关的变量来实现对其进行表述。2.研究一种基于单变量时间序列的交通流预测方法。从城市道路交通流的变化状况可能同过去某一个阶段的道路交通流变化状况类似的特点出发，分析某路段下一时刻的交通流量变化状况同本路段历史交通流量存在的联系，根据时间序列周期内的道路交通流具有一定相似性和趋势性的规律，利用时间序列的理论和方法分析城市道路交通流数据来实现对道路交通流的预测，同时为提高其预测精度，拟采用卡尔曼滤波对道路交通流数据进行滤波处理。3.分析传统A*算法应用在新型路网模型中的不足之处，设计一种改进的A*算法，并根据预测结果估计出行者在未来时段各路段上的交通代价，通过估计的交通代价把车辆从起点到该路段时间内的道路交通变化状况融入改进A*算法的路径搜索过程，探讨一种高效的动态改进A*路径搜索算法，此外，针对目前研究比较热门的智能路径搜索算法，还研究了蚁群算法在新型路网模型中的应用。4.用北京市五环以内的交通路网作为搜索实例，利用Access数据库存放道路网交通信息数据，采用MapInfo构建路网空间模型，使用VB语言编写交通网络动态路径寻优软件对构建的模型和算法进行验证。