经济和科学技术的高速发展，使汽车日益广泛地进入普通家庭的生活中。扩展了人类活动的范围，但是也给出行者带来了新的困难和挑战。由于城市交通道路的复杂性，固定意识的出行路径常引发严重的交通堵塞。出行者对地理环境和周围交通状况的陌生，荒野作业过程中的道路迷失，都使出行者迫切需要获得正确的出行路径。本文基于智能交通网络，研究了车辆行驶过程中的最优路径规划策略，主要的工作内容如下：介绍了智能交通的基本组织框架，提出了智能交通路网模型及其数据存储结构，指出了智能交通的最优路径轨迹规划的重要影响。本文依据计算机图形学语言，建立基本的路网模型方程，分析了道路路网中的交叉口分布、道路的种类和等级，建立基于交通管制限制的转向限制路网模型并添加了转向限制列表。通过编程语言实现了道路路口节点类、道路路径节点类及转向限制表类的功能点定义。最后针对智能交通的路网模型，采用分层存储的方法，建立了详细图层和略图层之间节点和路径的相关联系。基于计算机处理的地图图形学信息（GIS），首先组建、开发智能交通车辆最优路径规划策略研究的仿真平台，并对该路径规划仿真平台的主要功能进行介绍。其次建立了智能交通网静态路径规划的数学模型，并设置了不同道路阻抗下的最优价值函数模型。对几种经典的路径规划算法进行分析和比较后，设计了两种静态最优规划算法：道路口节点对向查询和交通道路网分层查询，并在所建立的车辆路径规划仿真平台上对两种算法进行了算法的复杂度和路径规划效率进行分析。一是单、双向Dijkstra算法路径规划实验中，在图相邻数据结果存储下比图相邻接表数据存储下的最优路径规划策略效率低；二是A*算法在图相邻接表数据存储下，查询最优路径的效率高于Dijkstra算法；三是智能交通网中存储电子地图的数据结构上，图相邻接表数据结构优于图相邻数据结构。最后比较车辆静态最优路径规划策略。对动态路径规划系统的整体框架进行了相关的介绍，依据相应的理论分析，对车辆动态最优路径规划问题划分为：自主车辆问题和协调车辆问题，即单车和多车的动态最优路径规划。建立了自主车辆的数学模型，并对模型进行求解分析。研究了基于道路口节点及基于周期的动态路径规划算法，对两种算法的相应目标机制函数和数学模型进行求解分析，并绘制了相应的算法实现流程图，分析了算法的实现难度值，实验的结果表示，两种算法可以有效的避免拥挤的交通路段，使车辆出行的代价降低。相对于车辆的静态路径规划，提高了车辆路径规划的实时效果和准确度。但是，在实际的交通情况下，导航车辆的不断增加，对于相同时间点始末道路口节点相同的情况，车辆没有考虑其他车辆对交通道路情况的影响，势必产生了交通堵塞。对此，建立协调车辆的数学模型，对协调车辆的规划算法进行了程序上的实现。基于交通事故的协调车辆实验，验证了算法对交通堵塞道路的规避性；并通过对于交通堵塞道路数和费用的实验，考虑以出行者最优为价值函数，减少智能交通网的道路路径堵塞情况；调整算法的目标函数，找到用户最优和智能交通网最优的平衡点。对出行代价和道路拥挤情况进行分析，发现用户的出行代价和拥挤的道路数在一定范围之内是可调的，可以通过改变用户最优和智能交通最优的两者权重，满足用户的实时动态最优路径规划。本文采用的静、动态算法可以提高车辆路径规划的效率，减少道路交通的堵塞程度并降低用户的出行费用，具有较高的实际应用价值。