近年来随着计算机技术和信息技术的飞速发展,城市智能交通系统得到了越来越广泛的使用,在城市智能交通系统中主要使用现在比较先进的计算机技术和通信技术来实现对城市交通的实时监控和引导,从而减少道路上的交通拥挤和交通事故的发生,进而提高城市交通运输效率。在城市智能交通系统中有非常多的组成部分,最优路径选择就是其中的一个重要部分。在城市智能交通系统中车载路径导航起到了非常重要的作用,导航系统通过掌握的道路信息来为驾驶员提供一条最佳的行驶线路,从而提高了行驶效率。关于车载导航系统的研究国内外非常多,但是目前对于车载导航的研究都是静态的,根据拍摄到的路面信息的处理来确定道路信息,然后根据这些信息为驾驶员指定一条最优的行驶路线。这种研究没有充分考虑到一些综合因素,导致对处理得到的路面信息不能实时更新,从而制定的最优化的行驶路线不能反映出真实的道路状况。路段行程时间的估算是交通路径诱导系统的关键技术之一。随着城市的快速发展,城市的交通网络也越来越复杂,路段行程时间的估算必须满足实时性要求。本文着重分析了路段行程时间的构成,根据目前城市交通的状况,分析了影响路段行程时间的各种因素,把行程时间分为路段自由行驶时间和交叉口延误时间。根据不同道路的具体状况和具体的车辆行驶状态来综合估算路段行驶时间,在这一过程中,本文主要利用设置在路段上的车辆自动检测装置来搜集实时交通流信息,将实时信息与函数结合起来,计算出总的行程时间。文章中还对几种常用的算法进行了对比分析,最后选取了遗传算法来计算最优路径模型中的数值计算。通过行程时间的计算、动态算法的构造、路网模型的建立来对交通路径进行动态规划,并对模型的目标函数、算法和实验仿真进行了研究。