本论文围绕智能交通系统中交通流诱导的核心理论——交通网络动态配流及其相关问题展开研究,并将遗传算法和改进的遗传算法引入到动态交通网络平衡问题的博弈模型求解中,大大的提高了模型的适用性,绪论部分阐述了本课题的研究背景,分析了国内外城市交通现状及智能交通系统研究现状,提出了本论文的研究意义、研究目标与主要研究内容。第二章对城市交通动态配流模型的发展进行了回顾与综述,对各类模型进行了分析和评价,总结了现有模型的优缺点。第三章运用遗传思想对Byung-Wook Wie构建的开环信息结构下交通网络平衡问题的微分博弈模型设计了模拟优化算法,并通过实例计算,将采用遗传算法计算结果与采用最小值原理求解所得结果进行了对比分析,结果表明,遗传算法不要求模型中变量的连续可微,大大提高了模型的适用性。并在算例中将部分参数取值作了修改,使计算结果更加合乎交通实际。在开环信息结构下,局中人不知道t时刻路段上的交通状态,所以在决策时会比较盲目,因而路段上交通量随时段的增加而增大,在图上呈单调增的趋势,这点是不符合交通实际的,针对这个问题,第四章提出了基于先进的出行者信息系统的动态配流问题,构建了反馈信息结构下的交通网络平衡问题的微分博弈模型,并采用遗传思想设计了求解算法。第五章考虑了道路容量对于配流策略的影响,建立了一种带有时间窗约束的动态交通配流模型。应用遗传算法对该模型进行求解,并引入了一种带种群间迁移策略的遗传算法。第六章采用马尔科夫模型对单交叉口的交通状态预测构造了短时预测模型,并通过算例验证了模型的适用性和可操作性;第七章采用支持向量机理论同时从时间和空间上对交通流状态进行分析,建立并行式时空二维融合修正模型,最后总结了本学位论文的主要研究成果和需要进一步研究的方向。