城市交通流诱导系统是智能交通系统的核心研究内容，目前属于国际交通领域上的开发热点。它从人、车、路三者紧密结合的角度出发，融合电子、通信、计算机、网络等高新科技，根据出行者的需求，向驾驶员动态提供最优路径的诱导，减少车辆在路网中停留的时间，继而避免交通拥挤，最终实现交通流在路网各路段上的合理实时动态分配。 本文首先探讨了智能交通系统的研究领域，在其领域中得出城市交通流诱导系统的开发意义与内容； 其次，研究了国内外城市交通流诱导系统的迄今状况与发展趋势，并针对系统的基本结构，结合桂林市的实际交通，设计出桂林市城区的交通流诱导系统结构框架； 然后，围绕该系统的路径优化功能展开一系列的研究工作，依次如下： 1)基于出行者出行要求和路网最优路径搜索速度，引入道路分层识别与提取的概念。以桂林市城区的彩色交通图为研究对象，通过灰度最优阈值分割和数学形态学的结合，将城区的主体路网和整体路网分别提取出来，并矢量化。这种分层提取方式不仅简化了复杂的路网结构，也能更多元化的满足出行者的出行要求。 2)在充分考虑交通路网基本元素的基础上构建带转向的交通路网模型，并详细研究了路网的拓扑结构及其表达方式。同时，基于access平台设计了主体路网的属性数据库。 3)分析经典最优路径算法和新型路径优化算法的原理与特点，从中选取Dijkstra算法和遗传算法在提取出的主体路网上，按不同的路径规划方案进行最优路径计算，并将其结果在图中以不同的颜色标识出来。 最终结果表明：在该路网模型中，Dijkstra算法的计算精度稍高于遗传算法，但遗传算法的计算速度却明显快于Dijkstra算法。因此，在综合考虑最优路径计算精度与速度的情况下，遗传算法的可行价值要比Dijkstra算法高。