张小芳，冯慧芳

(西北师范大学数学与统计学院，甘肃 兰州 730070)

0 引 言

社会车辆数量过多、区域间物资分配差异过大以及道路容量不足或设计不妥导致城市交通拥堵问题日渐严重，这些问题不仅降低了乘客的出行体验，增加了出行成本，还引发了环境污染、交通安全等一系列问题。这些问题已经难以由传统的交通管制、限号等措施解决。

随着智能交通系统(ITS)的崛起，这个难题有了突破性的进展。ITS能够有效地利用现有交通设施，实现人、车和路的有机结合和协调发展，优化城市交通网络，提高运输效率，降低环境污染等。最优路径规划是智能交通系统、智能车载导航系统中的关键内容，近年来受到城市交通、地理信息系统、计算机科学等领域的国内外学者的广泛关注。通过合理的路径规划，不仅能使人们的出行更高效、快捷，同时也能缓解交通压力，有助于交通管理和控制。传统的最短路径规划算法[1-2]主要包括Dijkstra算法、遗传算法、蚁群算法、Floyd算法以及神经网络算法等。这些传统方法虽然在一定程度上满足了一定需求的路径规划，但由于城市交通网络比较复杂，以及许多交通约束的存在，这些方法仍不能解决真实交通网络中的路径规划问题，因此很多学者对这些方法进行了改进。

Fan等人[3]对经典Dijkstra算法进行了研究，通过改进其数据存储结构和受限算法的搜索范围来提高算法的有效性。吴红波等人[4]将路况信息与道路风险作为影响因素对Dijkstra算法进行了改进，建立车辆行驶路线选择模型，并借助GIS网络分析技术对最优路线进行分析与验证。……