近年来,由于车辆数量、交通路网的增长和交通信息服务设施的滞后,交通安全问题和城市拥堵问题日益突出。此外,交通拥堵还造成了更多的能源消耗和汽车尾气排放。人们越来越希望交通能够更加智能,服务能够更加方便。因此,车联网作为智能交通系统的重要解决方案得到了社会各界的普遍关注。基于车联网中的实时交通信息,研究和设计更加方便和人性化的交通流诱导系统是智能交通系统的核心内容。在车联网中,车辆实时信息(经纬度、速度、方向等)会周期性上传到云端服务器。根据云端服务器中所有车辆的实时信息,可以计算各路段的实时路况,然后对各路段的未来交通状况进行短时预测。最后基于实时和预测的交通流状况,规划出最优出行路径,并在车辆导航行驶过程中,实时动态优化出行的最优路线。本文以车联网为基础,利用车联网中实时交通流信息,研究设计出了实施性能可行且高效的交通流诱导系统,最后通过仿真验证了该系统的可行性以及有效性。主要研究工作如下:1、根据车联网中每个车辆实时上传的行驶状态信息,计算道路交通网络各路段的实时交通流状况,相比现有的大部分常规交通流参数采集方法都更加实时和精确。2、在车联网海量历史交通数据的情况下,利用实时交通流信息在大数据Spark计算平台上实现K最近邻(KNN)算法,并且在KNN算法中采用具有时空特性的特征向量。该算法计算效率高,预测结果准确,而且感知能力强。3、基于实时和预测的交通流信息,利用加权平均方法计算道路交通路网各路段行驶时间,然后利用层次收缩算法进行路径规划,并根据道路交通状况动态优化出行路线。4、选取美国加州交通路网,并利用加州PeMS系统上的交通流数据,对实时交通诱导系统进行仿真分析。仿真结果表明此系统能有效利用实时和预测的交通流数据,提供省时可靠的行驶路线,并在车辆行驶过程中进行动态优化。