随着私家车数量的飞速增长,路网的负载能力面临着越来越严峻的挑战。智能交通系统(ITS)是通过车辆、交通灯、路边节点设施、及交通管理服务器等组成的利用信息传输、传感控制等技术,有效地集成运用于整个复杂的城市交通路网,实现交通实时管理的重要技术。然而如何实现交通信息获取的实时化、如何利用实时信息对道路的状态预测和规划均衡,仍是当前智能交通系统的一大挑战。本论文借助车载自组织网络通信技术、背压机制、实时动态路径规划、内点法等思想,围绕智能交通系统中的实时信息获取、交通状态预测、动态路径规划与路网交通负载均衡等问题,针对ITS的通信效果、状态估计、路径重规划、负载最优化均衡等问题进行一系列深入研究。本论文旨在深入理解ITS中对交通负载在车辆动态变化下的最优均衡分配策略,从全局的角度构建合理、高效的负载均衡最优算法。本文的主要贡献如下:(1)首先研究了车载自组织网络中车辆间的通信延时问题。在讨论车辆移动时通信节点的拓扑变化和十字路口处的交通灯信号操作影响的基础上,本文基于十字路口处的场景模型提出了一种双向车道的车辆间V2V通信数据传输机制。通过对十字路口处不同的交通灯状态分析确定最优的中继节点的位置,输出最优的数据传输路由策略,减少了十字路口处数据传输的端到端延时。本文分析了每种情况下的端到端延时,且通过仿真验证了其相较于传统数据传输机制在端到端延时方面的优势。(2)针对路段上车辆密度影响V2R通信的数据传输延时问题,以及路边节点设施之间的信息分享存在数据冗余和信息非实时有效的问题,本文提出了一种基于车辆密度与路边节点设施覆盖范围关系的V2R数据传输机制,同时提出一种实时的R2R交通信息分享机制用于优化实时信息的有效性。文中从理论分析与仿真验证两方面,证明了提出的V2R数据传输机制可在不同车辆密度下保证数据传输有效性,R2R实时信息分享机制减少了数据的冗余度和算法复杂度。(3)针对交通流的预测问题,本文利用小波变换分析了交通流的内在属性,并对交通流信号的突变点进行检测,给出了突变点的有向序列集合,基于模式匹配的思想对当前观测过程的下一个突变点进行预测,进而对交通流时隙进行动态非均匀划分,再利用瓦西塞克模型对交通流的变化趋势进行预测。理论推导及仿真证明该交通流的动态预测方法可以兼顾预测的准确度和计算开销。(4)针对个体车辆的动态路径规划问题,考虑路段车流密度、交通灯信号、以及十字路口等因素提出了一种准确度高的行驶时间估计模型。将根据实时信息估计的行驶时间结果作为性能指标,确定车辆在动态时隙内的最优路径策略模型。利用改进的动态路径规划算法求解车辆在该实时交通状态下的最优路段。进一步地,利用背压理论(back-pressure)和罚函数最优模型(drift-plus-penalty)构建下游路段分配交通拥塞积压车辆的最优策略,并求解出各下游路段的车辆最优分配数。通过理论求解和仿真,验证了本文提出的实时动态路径规划算法(Real-time Path Planning,RPP)可以有效地缩短到达目的地的时间,并对前方路段出现的交通拥塞做到快速反应。(5)针对由于路网内负载不均匀引起的交通拥堵问题,本文考虑了车辆的行驶时间与司机的利他选择两个因素,建立整个交通路网的负载均衡最优化模型。利用动态内点法DIPM对最优化模型进行求解,得到每个动态时隙内路段中的最优负载车辆数。通过理论证明和仿真验证,该算法可以在有限次数内的迭代中收敛到最优解,同时该方法可以有效缩短车辆的行驶时间,达到路网内交通负载均衡的效果。最后,对全文中所研究的基于VANETs的实时交通信息获取与交通路网负载均衡问题做了总结,讨论了该领域中尚未解决的问题和所采用方法中的需要改进之处,并对该领域研究的发展方向做了展望。