随着智能终端的不断兴起，在传统地理信息导航系统的基础上，智能终端拥有无线互联网络的无线通信优势，正逐渐替代传统的导航系统。基于智能终端的导航系统不仅能够为用户提供多条满足要求最优路径，还可以为用户提供丰富的交通状况、定位服务等相关信息，为用户解决了迷路、交通拥堵等一系列难题，从而实现人、车、路的完美结合。路径规划作为导航系统的核心技术，但是传统的基于图论的最短路径算法效率比较低，都会受到存储空间和计算能力的限制，因此很难满足用户的需要。因此本文采用解决约束问题的粒子群算法来实现车载导航路径规划的问题，并完成了算法在Android平台上的实现。本文首先对车载导航系统的原理进行了简要的描述，对车载导航系统中的路径规划算法进行了深入研究，最终选择将粒子群算法用于车载导航的路径规划中。其次对PSO算法进行了改进，提出了适用于路径规划的粒子群算法，简称PSO-VPP （Particle SwarmOptimization–Vehicle Path Planning）。PSO-VPP算法中适应度函数的设计不仅能够在静态路网中进行路径规划，还通过引入惩罚项使得在交通拥堵的路网中也能够计算出最佳路线。为了解决算法陷入局部最优问题，在算法中引入了变异算子，并采用部分粒子重新初始化的方法，使得部分不满足要求的粒子进行重新寻找最优值。采用这样的方法可以使得种群获得更高的粒子多样性，扩大搜索范围，从而大大避免粒子群算法陷入局部最优，同时还能够增强全局搜索能力。其次，对现有的智能终端平台进行了比较，选择Android作为本文算法的实现平台。同时搭建了开发环境，选择OpenStreetMap开源地图作为地图数据的来源，最终建立了车载导航系统平台，并对本文提出的PSO-VPP算法进行验证并分析比较其性能。实验结果表明该算法切实可行，其搜索效率较高，时间开销随路网规模的扩大增幅较小，适用于大规模路网，同时在实时变化的交通路况中更具有实际意义。最后，本文还列出了一些有待解决和完善的问题，因此需要进一步的研究，从而引出了后续研究及改进的方向。