随着全球经济的快速发展,城市道路上的私家车越来越多,城市交通拥堵问题受到各国政府、工业界和学术界的广泛重视。智能交通系统被认为是改善世界性交通拥堵等难题的希望,如何利用车联网等先进通信手段改善交通状况,成为当前的研究热点。交通拥堵部分归因于交通车辆的过多,其他原因大部分归因于交通事故,道路工程和天气事件。单独的事故(例如事故或某单个汽车在前方突然刹车)可能引起涟漪效应(级联失效),这会导致较长时间持续的交通拥堵现象。初步分析表明,在车辆上路需求和道路容量无法快速改变的前提下,个体车辆路径选择的盲目性是导致拥堵加剧的主要原因。为此,本文围绕“车辆路径选择与交通拥堵关系”展开研究,提出了利用交通中心对个体车辆路径进行协调,从而缓解和避免拥堵的思路,其基于车联网收集和传输路网数据和诱导信息。本论文的主要工作包括以下方面:(1)综述了国内外利用车联网改善交通状况的相关研究,特别分析了交通诱导的相关机制以及通信技术发展,及对未来智能交通创造的机遇和挑战。(2)为改善交通诱导中信息收集的实时性,针对车联网密集场景通信延时高的问题,提出了一种降低车用网络传输开销的地理位置信息压缩方法。在发现开销等方面比较了传统的移动报文和压缩报文,得出压缩以后的报文传输开销小于使用传统移动报文的结论。(3)针对现有的交通诱导方案计算复杂度高、信息延时大或者局部最优的问题,提出了一种基于预测信息的分层的交通诱导方案。通过给交通诱导方案设置两层控制中心的方法,能够降低交通诱导计算复杂度以及克服由于信息时延过大导致的实时性问题,具有低复杂度、高实时性以及全局流量均衡的优点。(4)针对诱导车辆进入空闲路段的目标以及克服人为因素影响交通诱导效果的问题,提出了一种基于道路饱和度计费的道路加权算法。通过加入影响道路交通的路网参数和道路计费影响因子,能够在克服出行者主观因素对交通诱导效果造成的影响的同时将车辆诱导至路况较好的路段。基于此方法利用SUMO和OMNET++对本文提出的交通诱导方案进行仿真对比,结果表明此方案能够缓解交通拥堵。