城市交通大数据提供的丰富路网信息和交通流相关时空信息,一方面从宏观上为管理者预测和监督城市交通状况奠定了基础,另一方面,这些信息同时也对个人出行的路径选择问题有着重要的影响。最优路径问题作为图论中的经典问题,其研究大多假定路段阻抗为常数,即针对静态路网。而城市交通的日益拥堵,意味着实际路网中的特征是随机变化的,将这种随机特征引入最优路径问题,对提高个人出行效率和车辆物流配送服务水平尤为必要。基于上述背景,本文针对大规模城市交通路网,在交通流理论和大数据分析方法的基础之上,探讨了庞大且具有复杂结构的路网交通状态演变规律,根据其规律设计了一种随机时变路网中的最优路径规划算法,以上海市地面交通路网为例对该算法进行验证,并实现了一个网页式交互路径规划系统的设计。具体研究内容如下:1)提出强关联区域挖掘算法及带强关联因子的短时车流预测方法。首先采用交通分区及数据融合方法将整体交通路网栅格化,并将路段和路口数据转化为栅格内区域数据。根据区域数据研究邻近区域之间的关联信息,利用关联规则知识定义强关联区域的产生条件,并将关联信息作为影响因子加入到局部区域的交通流预测当中,与未加入关联信息的预测方法进行比较。2)提出一种双层的动态路径规划算法。基于全局交通状态和局部交通流的预测信息,实现动态滚动的路径规划算法。首先,针对栅格化的网格,融合交通状态和真实路网信息为连边的权重和方向,将其转化为加权有向图。然后,利用Dijkstra算法实现上层网格到网格间的全局路径规划,根据上层规划结果和当前车辆位置实现邻近网格内的下层路口到路口间的局部路径规划。动态刷新交通状态,判断是否需要重新规划上层路径,若需要则重新规划,否则继续下层规划的滚动。最终将该算法与静态规划方法进行仿真比较,发现本文提出的算法在行程时间上能够取得良好的效果。3)将上述算法应用于网页式交互页面,实现一个简易路径规划系统的设计。系统的界面框架采用php语言,主要用到JavaScript脚本的D3.js可视化库和地理信息系统ArcGIS平台。首先,在ArcGIS中将shp地图文件转换成D3.js库所需的GeoJSON文件,实现行政区域和地面路网的可视化。界面布局采用CSS和HTML标记语言,利用其表单功能实现用户与系统的交互,即得到用户输入的坐标,后端调用python程序,完成路径规划的功能,再由前端进行结果的可视化。