以物流、通勤为主的城市交通系统一直是城市发展的重要基础。但是近年来,城市交通系统出现了诸如交通拥堵、尾气污染等问题,已经成为制约城市进一步发展的重要因素。基于交通大数据的导航服务目前引起了学术界以及产业界的广泛关注。海量交通数据的应用为导航提供了更加真实有效的解决方案。此外,基于交通配流理论的解决方案可以从一个全局的角度提升城市交通运输系统的运输效率。因此,如何有效地针对交通数据进行处理以及如何对交通流量做合理的规划,对城市交通系统的质量与效率具有很重要的意义。本文的主要研究工作包括以上提到的两个方面,具体研究内容如下:首先,针对城市交通路网的路径规划的研究,文中采用了拓扑图对城市交通路网进行分析建模。在拓扑图中,为了得到最为重要的边的权重(在路网中反映为路段的通行时间),本文提出了一个种混合速度模型。该模型从大量的交通数据中归纳出道路目前所处的状态:拥挤或空闲,并分别计算路段的通行时间。文章同时分析了城市交通路网的时变特性,并显示了时变特性对导航服务的影响。通过仿真可以看出当导航服务采用了交通大数据及混合速度模型相结合的路径规划算法,能够提高个人用户的出行效率。此外,考虑到城市交通网络的整体性能,本文从全局角度对城市交通网络的运输效率进行了研究。为了研究全网的交通运输能力,在拓扑建模的基础上将它转换成最优化问题。同时为了兼顾单个用户的利益和全局交通网络的效率,本文提出了效率损失避免(Efficiency Loss Alleviation,ELA)的算法。算法中采用了奖励和惩罚机制,保证了驾驶员采取更多可选路径来减少效率损失的同时提高了驾驶员之间的公平性。仿真结果证明了所提协议的有效性。同时利用仿真证明了适合车联网(Vehicular Ad hoc Networks,VANETs)的通信技术能够弥补导航服务的渗透率低带来的效率损失。