智能运输系统是目前公认的能有效解决交通问题,特别是交通拥堵、交通事故、能源消耗及交通污染严重等问题的最佳途径。交通流诱导系统作为智能运输系统的核心研究领域,特别地,动态路径诱导系统又是该系统的发展趋势,所以对该系统的研究具有十分重要的现实意义,根据国内外研究现状、热点及难点问题,本文着重对其多路径诱导策略开展研究。首先,本文回顾了国内外对动态路径诱导系统及其诱导策略的研究现状及发展历程,在此基础上,指出多诱导策略是其今后发展的必然趋势;其次,在全面比较目前对路段行程时间预测模型的基础上,建立了基于交通流状态动态聚类的行程时间预测模型,为多路径诱导策略其他研究方向提供了扎实的支撑平台;然后,通过对目前多路径算法进行全面比较分析,发现遗传算法在解决这一问题上所含的潜在优势时,本文针对城市路网实际情况,提出一种全新的基于转向行为的染色体编码方式,对现有遗传算法进行了改进,仿真表明,该算法性能有明显提高,同时,本文还将多种群并行遗传算法引入该问题的求解中,并取得了满意的仿真结果;接着,本文在以最短行程时间为前提下,求解得出的k条路径依驾驶员偏好,通过多路径评价及驾驶员决策系统,按现代科学评价方法加以排序后,推荐给驾驶员做参考;最后,对现有交通控制策略及系统进行了回顾,在多路径诱导策略研究基础上,通过分析现有控制与诱导相互协调研究成果,提出了综合考虑多路径诱导系统与交通控制系统协调运行的理论模型。总之,本文对多路径诱导策略中路段行程时间预测、k-最短路算法、k-最短路评价及推荐、与交通控制系统的协调等内容应用系统工程、交通工程、计算智能等理论进行了深入分析,取得了一定的研究成果。