近年来,伴随着我国经济的发展,城市规模的扩大,汽车的数量也迅速增长,同时也带来各种各样的问题。交通堵塞,环境污染,人民生活受到影响,每年因为交通问题造成非常大的经济损失。因此,提高城市路网的利用率,增强导航的作用,减少车辆在道路上行驶的时间,降低交通堵塞,成为目前急需解决的问题。为解决上述问题,智能交通系统(ITS)应运而生,它是在科学技术充分发展的背景下产生的,主要是把计算机技术、通信技术、人工智能等先进技术运用于交通运输中,以解决目前交通中的各种问题,提高交通网络使用效率。ITS在交通运输中的很多领域都有涉及,动态导航是其中的一个重要应用,是国内ITS的开发热点之一。本文所研究的内容就是在此背景下产生的,主要根据当前交通发展现状以及交通中存在的诸多问题,从未来发展的角度出发,对动态导航算法进行了详尽的分析,提出了一种新的车载GPS动态导航算法并对此进行了验证。文中把各种传统导航算法进行了比较分析,最后选定了遗传算法作为本文研究的重点。遗传算法作为最优秀的搜索算法之一,在解决交通路网的最优路径选择问题上有较大的优势。在此基础上,提出了一种改进的基于病毒的遗传算法,首先用一种改进的A算法得到遗传算法中初始种群,利用算法潜在的并行性及全局寻优的特点,能够寻找到多条路径,然后利用主群体和病毒群体之间的协同进化作用,快速得到动态路网中的最优路径。这种遗传算法避免了传统遗传算法的容易陷入局部极小的缺点,可以搜索到全局最优解。同时本文设计了一种新的滤波方法-自适应卡尔曼滤波。动态导航实现的同时必然会出现一些不必要的干扰,这时就需要一种良好的滤波方法对干扰就行过滤。通过对传统卡尔曼滤波方法的研究以及对于多种文献的查找,本文选择了一种自适应卡尔曼滤波算法,杜绝了广义卡尔曼滤波的一些缺点,防止了估计结果的不准确。文章的最后对改进的遗传算法做了简单的仿真,验证了算法的可行性,比一般的遗传算法和有损算法有着更高的搜索效率和更精确的最优解。