由于日趋紧张的交通压力，动态交通理论在最近30年中得到了广泛、深入的研究，然而在大规模交通网络的应用方面，由于网络规模问题，各种核心算法，例如最短路径计算、动态交通分配算法等不能满足实用化的需要。本文从大规模交通系统的实时模拟、核心算法研究、交通系统的优化以及交通GIS平台等几个方面对交通系统理论在大规模交通网络中的应用进行了研究。本文以元胞自动机模型为微观模型，以CS模型为指导构建二维的大规模交通网络，利用多线程机制实现了整个模拟系统的高速运行。同时本文设计了一个基于RMI技术的分布式模拟系统，实验显示：在由三个包含10×10个交通区域和5000辆汽车的子网所组成的交通网络上，整个模拟系统更新一次平均只需0.4秒。本文在社区分析的基础上，对大规模网络进行分割及简约，并提出了一个新的最短路径的算法，并对该算法的正确性和时间复杂度进行了理论分析。在具有285个节点的交通网络上，以DijStra算法为核心算法的、基于社区分析最短路径算法与单纯使用DijStra算法和LC并行算法相比，效率提高近一倍。本文根据对影响并行计算效率的各种因素的分析，以及不同的网络分割结果与这些影响因素的关联关系，给出了一个网络分割评价指数的定义，用于衡量网络分割的结果对于并行计算效率的影响。并利用LC并行最短路径的计算结果验证了该评价指数的定义的正确性；并且基于社区分析，给出了一个全新的网络分割方法，按照网络分割指数所进行的理论分析表明：该网络分割方法是NPI最优的。本文在构造简约网络的基础上，对交通分配问题进行分解，将整个大规模交通网络上的交通分配问题分解为两部分：在简约网络上的交通分配和在交通子网中的交通分配，基于此构造了并行的梯度投影算法。本文并对该算法的复杂度进行了计算分析，结果表明：与常规GP算法相比，该并行算法在大规模网络上的应用具有优越性。本文采用deegree开源项目作为地理信息框架，与交通模拟与控制系统进行集成，快速实现整个智能交通GIS平台。