出行路径规划无论在未来自动驾驶,还是在当下拥堵的城区和热点城市间的行进道路选择,都具有非常重要的意义。如今社会的设施环境越发改善,交通问题日益凸显。大规模的车辆在交通拥挤和各种道路事故情况下,必须实时计算和更新其行驶路径,这对路网交通平衡和减少交通问题具有重要意义。对于人口聚居区域尤其是城市来说,大多数车辆的行车路线都是固定的,在固定的时间行驶固定的路线,这也是城市的交通尤其是一些重要的道路会有规律、周期性堵塞的原因。考虑到交通区域的时空规律性,充分利用交通的历史和实时信息进行路径规划是非常重要的。基于这种情况,本文首先提出了一种基于历史和实时交通数据流的路网网络交通拥塞模型。根据历史交通流数据的辅助决策建立拥塞模型,使用节点和道路来共同描述路网网络的拓扑信息,以便更加准确地建模预测。在VANET(Vehicular Ad-hoc NETwork)的协助下实时采集交通信息,并使得车辆与周围车辆实时通信,以持续修正拥塞模型。在此基础上,本文提出了分簇队列式通信机制,使用少量簇头车辆探测路网状态,采用建立瞬时队列的方式进行广播转发。最后本文设计了一种基于路网拥塞模型和分簇队列式通信的实时路径规划算法,根据簇头车辆的交通状况来预测未来行驶的道路拥塞情况,并建立瞬时簇队列进行拥塞广播,实现队列式分流来应对实时拥塞,为大区域大规模车辆同时提供路径规划,均匀路网各道路交通容量,缓解交通拥塞。最后,本文在仿真器OMNet++和SUMO以及Veins共同搭建的仿真平台下,在著名的国际公开数据集卢森堡交通场景和一个本地交通场景下进行了评估,并与经典的方法和一些国际上的研究结果进行比较。实验结果表明,此解决方案提高了路径规划效率,缓解了路网的交通拥塞,并且验证了本文策略在高拥堵交通下的潜力。与现有路径规划方法相比,所提出的技术一方面可以节约计算量,以便应对大范围区域对大规模车辆同时进行规划路径,一方面能很好地对交通流进行分流,提高路径规划效率,缓解高峰期的交通堵塞情况。