离散域范围内的路径规划是在复杂的路径拓扑网络定位起始点和目标点,而后运用路径搜索方法进行路径寻优规划的过程。伴随拓扑网络的节点趋于指数增长,传统基于图形学的路径优化算法已逐渐展现疲态,难以适应复杂多变的路径拓扑网络。因而在路径寻优方向的研究是不可或缺的。本文将以网络拓扑构建为切入点,获取网络拓扑路径实时状态,动态计算权值信息,据此完成整个路径寻优过程。具体地,本文的主要研究方向如下:(1)研究网络拓扑结构构造方法。本文通过对网络拓扑特征的剖析,依据图形学方法定义节点间的关系,引入分层架构简化数据存储,使用链式存储结构简化节点结构。根据网络环境完成节点、路径、连通强度的定义,实现网络拓扑架构的构建过程。(2)研究基于流数据的状态判别算法。流数据相较于静态数据,可能包含更多的无关或冗余特征。本文在流特征分析的基础上,提出一种基于多模型融合的状态判别算法,算法能够对流数据中出现的数据错误进行甄别并进行修正。接着算法会自动选择与状态判断相关度高的特征,删除与状态判别相关度低甚至冗余特征,然后基于流特征属性进行多特征聚类,利用相似性原理将对流特征属性进行分门别类,将流数据实例划分为多个存在明显差别的子实例。最后,建立实时分类模型,对流入模型内部的数据做出快速的响应,在有限时间内完成对流数据的分类过程,避免出现由于计算复杂度过大而导致大范围的数据排队及阻塞。(3)研究传统路径规划算法,归纳总结传统方法中存在的缺陷及不足,依照缺陷及不足,优化传统路径规划算法空间结构,降低算法复杂度,提出一种Linked-Dijkstra方法,使其能够应用至复杂的网络环境中。(4)结合高速公路交通流数据,构建基于高速公路的路网拓扑结构,获取路网内道路实时交通状态,完成车辆路径诱导过程。通过在真实的网络拓扑结构上进行对比实验,表明本文提出的方法能够应用至复杂的网络拓扑结构中。引入链式存储的网络拓扑结构在自适应性能优于其他结构,基于多模型的融合的状态判别能够有效实时路径状态,Linked-Dijkstra算法在复杂度上明显由于传统方法。