近几年来,我国的机动车数量增长迅速,截至目前,已有35个城市的汽车保有量超过百万。汽车数量地快速增长使得交通拥堵成为制约城市发展的瓶颈。本文借鉴国外其它城市收取交通拥堵费的经验,经研究提出一种基于实时路况信息动态地调整交通拥堵费,并以拥堵费作为道路的权值,以全局流量最优为路径诱导准则的诱导算法。该算法的核心思想是迭代,实现过程为：首先根据道路拥堵费的公式计算得到拥堵费的值,并将其作为诱导算法中道路的权值。接着根据诱导请求的起点和终点,找出若干条权值较优的路径,并从这些路径中选择一条作为推荐路径。在选择路径时,不仅权值最优的路径而是各条路径都有被选中的可能。之后假设车辆按照推荐路径行驶,更新道路的交通状况,统计路网上车辆的行驶总时间,如果时间收敛则结束,找出的推荐路径即为当前路况下的全局最优路径,如果不收敛则根据当前的路况重新计算拥堵费的值,并继续迭代。本文的创新之处在于：1、引入了实时拥堵费的概念。目前国外收取拥堵费都是按区域分时段进行的,不根据实时的道路状况调整。文章中的拥堵费定价由实时路况、道路本身属性和历史交通量三个因素共同决定,引入历史交通量是出于对潜在的交通流和用户喜好等因素的考虑。通过对拥堵费的实时调整,既能发挥市场的杠杆作用,将一部分对价格敏感的用户从拥挤的道路转移到畅通的道路上,起到合理分配交通流的目的,又具有一定的灵活性。2、提出以全局最优作为道路的诱导准则。目前许多诱导算法都是基于用户最优的,如时间最少、路程最短,当大量的用户使用并遵循这种诱导方式时,很容易导致车辆聚集在某几条道路上而产生拥堵。而基于全局最优准则的诱导方式对道路的选择具有一定的随机性,能很好地避免这种现象。本文的主要工作包括研究道路拥堵费的定价模型,设计基于拥堵费的全局最优诱导算法,仿真分析在模拟路网和实际路网中算法的性能以及在多种诱导方式同时存在的情况下算法对道路性能的改善情况。总结仿真实验的结果,该诱导算法能明显改善道路的拥挤状况。