随着信息与通讯技术的不断进步,智能交通系统(Intelligent Transportation Systems, ITS)的发展也日渐进步,其中先进的出行者信息系统(Advanced Traveler Information Systems, ATIS)和先进的行车路线诱导系统(Advanced Driver’s Route Guidance System,ADRGS),可向出行者和车辆驾驶员提供交通信息和行车路线信息服务。这些信息可以方便选择出发时间、行进路径等。在ITS提供路径诱导信息时,一个最重要的问题就是如何产生有效与可靠的路径信息。动态随机最短路径问题定义为在路段行程时间被模拟为连续的时变随机过程的交通网络中寻找期望的最短路径。本研究的目的在于考虑具有时间变化性(Time-dependent,以下简称“时变”)的道路网路段成本情况下,探讨在不同的交通量时空分布条件下对于车辆的到达时间、行程时间、以及行车路径的影响,以作为出行者出行路线规划的参考依据。在道路网络动态与随机交通信息的设计上,本研究加入不同时段对于出行时间影响的概念,并且以时间范围和相对应概率方式表示,即加入了某种程度的道路网交通分布的随机性。本文提出了两个算法架构来求解动态随时路网下的可能旅行路径。首先修正了Miller-Hooks and Mahmassani(1998)提出的算法,计算出道路网络的时变行车最短路径。当车辆在道路网中行驶时,其所遭遇到的行车成本简单分为两种:其一为路段行程时间成本;其二为通过道路交叉口时的延误时间成本。现有算法在计算最短路径时大多未将交叉口的延误问题列入考虑,但实际上城市道路网影响整体车辆行程时间最大的应属于通过交叉口时所产生的延误成本。所以本文研究的第二个算法在考虑交叉口延误的情况下,发展时变的最短行车路径(Time-dependent Shortest Path)算法,并探讨其合理性。本研究在分析与交叉口延误相关的行车成本的计算模型后,采用以信号控制为主的控制延误成本(Control Delay)。并将考虑车辆在交叉口的转向选择,以此配合交叉口的延误时间的算法,可更进一步反应交通网络的动态特性,并可应用于未来ITS的环境。