随着城市规模的急剧扩张,以及人们生活节奏的日益加快,对城市交通运输的迅捷性要求也越来越更加迫切。然而,在一个已具规模的大城市,新建和扩建道路极受空间限制,并且仅仅依靠基础设施的建设来解决交通问题已经不可能满足社会需求,于是便出现了怎样达到运用先进技术系统地解决道路交通问题,并且实现对现有资源的合理、有效利用趋势。怎样在纵横交错的城市道路里选择较合理的路线就构成了本课题研究的重心。本课题基于人工智能领域中的知识库管理、机器学习、启发式搜索等基本知识与技术,通过将橡皮筋拉紧与A*算法、先前学习结论相结合,利用Borland C++Builder开发平台研制出一种基于道路特征与拓扑关系描述的行车路线规划问询系统。它是面向广阔区域内机动车辆和机器人的路径规划。不管机器人还是机动车辆,当试图为其探寻最优行驶路线时,全部面临着如何排除路网广阔性、复杂性、形态不确定性等众多因素带来的影响,在满足用户对于不同性能追求目标前提下,以最简捷方式提供完全能够实际指导行为的定性与定量相结合动作序列,并具备良好的自学习特性。使用者只需指定出发地和目的地,系统根据选定的评价基准,自动搜索出最优路线。论文首先详细地介绍了与课题相关的人工智能基本理论,并对系统整体设计构思、框架结构进行了细致、深入地剖析。随后,全面地讨论了将橡皮筋拉紧技术作为启发信息,以城市行车为对象,利用区块穿越确定、区域边界点选择和底层路网搜索三级结构将其运用于最佳路线规划之中,给出了这些技术与思想具体应用期间面临的各项关键问题考虑。此外,在对机器学习比较深入研究的基础上,探讨了以机械学习和类比学习作为性能改进途径,如何显著地增强系统实用程度。之后,还对城市路径规划系统的设计与实现细节作了较为详尽介绍,给出了系统实际运行效果。在最后,论文指出了课题依然包含不足,及其今后工作重点与努力方向。