随着国家基础建设的飞速发展,城市化进程的不断加快,以及人民生活水平的提高和私家车保有量的迅速增加,城市道路交通的负荷急剧增加,造成目前我国大、中型城市交通设施跟不上经济的发展速度,交通拥塞成为一个很普遍的问题。国内外的相关研究已经证明,建立智能交通管理系统(Intelligent Transportation System, ITS)是现有公认的解决交通拥挤、交通阻塞等交通问题的有效途径。科学、智能化的交通诱导技术作为智能交通领域的理论基础和重要技术,在解决交通参与者的盲目行驶和均衡路网交通流分布等问题方面起着重要作用。本文通过对国内外交通诱导系统的现状和诱导系统结构的研究,以分布式诱导体系的基本架构为基础,针对大型城市的绕(环)城高速公路,给出了一种城市交通流诱导系统的基本结构框架和具体的实施框架,并建立了基于信息融合的交通诱导模型。在此诱导模型的基础上,本文对交通流的核心参数,即交通流量和行程时间的预测以及动态最优路径诱导等方面分别进行了具体研究。为了提高预测精度,对用于预测的交通流基础信息都预先以信息融合技术为基础进行了融合。在交通流量的预测上,采用了基于最优梯度的动态平滑因子指数平滑模型,提高了预测的实时性和准确性。在行程时间的预测上,提出了一种基于实时动态数据采集信息和历史交通信息融合的行程时间预测模型。模型将交通流信息分成两部分分别进行处理,一方面通过采集到的实时交通信息在经过基础信息融合后,根据相关性进行计算预测;另一方面通过历史数据建立多种模型来进行预测,(如卡尔曼滤波模型、灰色模型等),最后将这些预测结果以信息融合为基础,进行比较融合,得到最终的行程时间预测值。仿真结果表明,预测精度和实时性得到了一定程度的提高,符合实际交通诱导的需要。在交通流动态最优路径诱导研究方面,本文通过对传统最短路径算法的改进,并结合绕城高速的现状,以行程时间、行驶距离、道路占有率等因素作为综合道路阻抗,提出了符合实际交通情况的动态交通流路径诱导算法。基于上述研究,本文开发了微观交通仿真软件,对于交通诱导信息的预测、发布,最优路径的诱导等交通流诱导系统的一般功能在此仿真软件上得到了很好的体现。