智能交通系统能够合理地分配交通流量,从而缓解道路拥堵,减少交通事故。而最佳路径规划是智能交通系统的重要组成部分,必然成为了当前研究的热点。贝叶斯网络(BNs)的发展,使得实时动态规划多因素影响下的最佳交通路径成为可能。目前的路径规划大多只考虑了单一的因素,没有将其它因素加入到路径规划的决策中,并且不能实现实时自主决策。针对现有的路径规划不能综合考虑多因素影响下交通路径的决策问题,本文考虑了影响交通路径规划的主要因素:路径距离、费用、路况和行程时间,根据实时得到的观测数据以及相关专家领域知识构建了基于变结构离散动态贝叶斯网络的最佳交通路径决策模型,再采用贝叶斯网络参数学习中的最大似然估计算法和参数的自适应产生算法进行参数学习,确定各个影响因素与所选路径之间的定量关系,最后将观测数据和变量间的定量关系融入贝叶斯网络推理算法中以实现在线自主决策。针对现有的变结构离散动态贝叶斯网络(DDBNs)推理算法不能在线决策的问题,提出了一种变结构DDBNs在线近似推理算法,即单隐变量变结构DDBNs推理算法。该算法引入单元和单隐变量变结构DDBNs的概念,与变结构DDBNs推理算法结合而得到,可以快速地利用证据信息进行在线推理。与已有的滤波和变结构DDBNs推理算法进行对比,证明了提出的推理算法的准确性和高效性。以西安某地区采集得到的路况动态信息为仿真应用背景,通过单隐变量变结构DDBNs推理算法对最佳交通路径决策模型进行在线推理,实时决策出最佳交通路径。最佳路径的选择会随着交通信息的变化而相应地变化,从而验证了模型的有效性。对于出行者不同的出行偏好规划出相应的最佳交通路径,有效提高交通道路的利用率。