随着城市现代化进程地不断推进,国内车辆保有量逐年上升,城市交通拥堵已成为目前急需解决的问题,如何在现有的城市道路基础上减少出行者的出行时间已成为研究的热点。近年来,交通路径研究提供的优化路径可以避免交通拥堵的加剧,为缓解交通拥堵起到了一定作用。本课题在现有基础上实现对动态交通流的获取,完成了基于时间的动态路网模型的建立,在动态路网模型中运用智能优化算法提高路径优化效率,以达到减少出行时间,提高出行质量的目的。首先,本课题对目前的交通流采集技术分析后,通过Python及网络分析技术实现交通流的获取与储存。然后利用城市路网要素建立了城市静态路网模型,引入模糊理论,实现对动态路网模型搭建。利用粒子群算法实现在交通路网模型中的路径优化,针对粒子群算法寻优过程中容易陷入局部最优的缺点,对粒子群算法添加权重系数,提高粒子群算法搜索的全局性,同时结合布谷鸟算法莱维飞行全局搜索能力强的特点,提出了一种融合莱维飞行的粒子群算法。最后,在不同的交通状态下,进行算法仿真实验,实验结果证明混合智能算法优化的路径在时间上短于基本粒子群算法和改进粒子群算法。在利用交通专业仿真软件TransModeler4.0仿真后,再次验证了混合智能算法的优越性。混合智能算法优化后的路线可以作为出行参考,完成了从理论研究到实际指导的过渡。