交通拥堵是各大城市普遍存在的问题,造成交通拥堵的主要原因之一是交通流空间分布的不均衡。如何通过历史交通流数据对城市交通网络的均衡结构进行评价,并利用现有的数据优化网络使其更均衡已成为交通管控的研究热点。现有方法可分为平衡算法与非平衡算法,平衡算法计算量较大,但精度高,实现难度大。而非平衡算法精度低,且多为微观层面,不适用于大规模网络结构。因此本文提出一种介数中心性熵最大化的交通网络均衡结构辨识算法,利用介数中心性熵来评价交通网络的均衡状态,通过修正边权后介数中心性熵值最大化,提升路网结构的均衡性,该方法不受方向、新增路线及路网规模的影响,克服了现有方法的局限性。主要研究工作如下:(1)根据网络特征提出了介数中心性熵,通过具体的数学证明了网络均衡与介数中心性熵的关系。利用介数中心性熵对计算机网络中的中心性熵最大化(Centrality Entropy Maximization,CEM)算法进行改进,提出了介数熵最大化(Betweenness Entropy Maximization,BEM)算法与快速介数熵最大化(Express Betweenness Entropy Maximization,EBEM)算法。(2)以厦门市路网数据为基础进行仿真验证,先对网络的基础数据进行统计特性分析,然后分析路网中的度、介数、亲密度、介数中心性熵等参数在优化过程中的变化规律用以证明算法的有效性,对比了 CEM、BEM和EBEM三种优化算法。实验结果表明CEM、BEM和EBEM三种优化算法均可使网络更均衡,改进后的BEM算法与EBEM算法在收敛速度与震荡幅度上明显小于CEM算法,EBEM算法的效果最优。提出的介数中心性熵最大化网络均衡算法在交通应用中具有更好的优化效果,指出了具体的需要重点协调的关键性路口或路段,可为交通管控及诱导系统提供支撑。