智能交通系统(Intelligent Transportation System)是目前公认的全面有效地解决交通运输问题的最佳途径，它已经是全世界交通运输领域研究的前沿问题。动态路径诱导系统(Dynamic Route Guidance System)是智能交通系统的一个重要内容，它融合了电子、通信、网络、计算机等高新技术，根据出行者的需求，为驾驶员动态的提供从当前位置到设定目的地的实时最优行驶路径，实现交通流的合理诱导，并协助出行者方便、快速的到达目的地。最短路径选择是动态路径诱导系统的主要目标和核心内容，本文正是围绕最短路径的求解而展开工作的。首先将道路网从城市交通图中提取出来以作为后续的实现对象，然后对动态诱导系统中求解最短路径的一些关键问题：道路网的数学模型、评价路线优劣的衡量标准、行程时间的计算、最短路径的规划方案等分别进行了探讨。本文深入研究了已有最短路径求解算法的原理、模型及实现流程，重点分析蚁群算法和遗传算法的优缺点之后，提出了新的路径诱导算法——双种群遗传蚁群算法(DP-GACA)，并通过四组实验评估算法的性能，结果表明DP-GACA算法具有求解精度高，寻优能力强，运行稳定性好的优点。最后，将DP-GACA算法在提取到的道路网上进行了实现，进一步验证了算法的可行性。