随着城市汽车保有量逐年增加,城市交通拥堵问题日趋严重。在现有道路资源下,由于用户难以获取实时、高效的交通信息等原因,导致部分路段承载了过多的交通流量,出现道路负荷不均衡问题,从而造成交通拥堵。随着通信技术、传感控制技术和计算机等技术的快速发展,迫切需要交通运输领域与其相互结合,建立智能化交通系统,提供实时动态路径规划,从而实现交通流分流和道路负荷均衡。传统的最优路径规划不能应对实时交通变化,会将出行者引导到关键路段上,导致交通流聚集引发道路负荷不均衡,从而产生较大的交通拥堵。针对这一问题,本文提出一种基于道路负荷均衡的路径规划算法,该方法利用海量经验司机的GPS轨迹数据进行模仿学习,得到实时动态的路径推荐算法,并且从出行者和交管部门两方面出发,以出行者出行费用最低为下层规划模型,交管部门道路负荷均衡为上层规划模型,建立双层规划模型,保证用户快速出行和交管部门对路网全局管控。论文首先介绍了基于道路负荷均衡路径规划算法的研究背景与相关技术,并对其应用场景和需要解决的问题进行了分析。接着提出了一种基于路网结构的泛化价值迭代网络的路径规划算法,从出租车轨迹数据中学习司机寻路经验,进而实现动态实时的快速路径规划。然后建立道路负荷度模型,并以用户快速出行和路网负荷均衡两方面目标出发,建立双层规划模型,通过Frank-Wolfe迭代算法和遗传算法对模型进行求解,求解结果可以满足两方面的目标。随之将双层规划模型结果和路径规划模型相融合,形成蕴含双层目标的路径规划模型。最后末尾总结了全文工作和对未来的研究方向进行了展望。