自上世纪90年代以来,随着我国城市化的不断迅速发展,城市中的车辆数量呈现快速增长,随之带来了一系列问题,交通拥堵和交通突发事故越来越频繁,这些现象不断影响着人们的出行生活,给社会的很多方面带来了不必要的损失。关于动态交通路径规划方面的模型和算法已经有一些对应的研究,但这些研究大都描述的是理想状态下的出行者行为,即系统最优原则和用户最优原则,缺少对多种原则混合指导下的交通网络流进行建模,并且在追求整体系统最优的时候,存在忽视个体出行者对模型接受度的缺陷。本课题针对上述问题,重点考虑出行者对模型推荐路径的接受程度,从全局系统最优和用户最优两者兼容的角度出发,提出一种基于改进Wardrop系统最优原则的交通流分配模型。该模型以历史平均数据作为可实现性保障,以动态并行算法作为有效补充,并详实的提出了一种基于云平台和物联网的部署方案。本文选择一种免回溯流量分配近似算法对模型进行求解,解决了模型算法复杂度过高的难题,并分析了算法的近似比。针对交通流分配模型的不确定性,提出一种高效的并行动态路径搜索算法作为上述模型的有益补充,并设计了原型系统。针对传感器节点性能低的瓶颈问题,提出一种基于物联网的交通流量预测算法。通过仿真验证可见,应用该模型使得交通流诱导信息在指导出行者避开交通拥堵的同时,个人出行时间也较短,提高了用户对诱导信息的遵从程度。本文的主要贡献和创新点是：(1)提出了一种兼顾用户接受程度与系统最优的交通流动态分配模型。本文以用户新增开销为约束条件,对Wardrop动态模型进行了改进,使模型与实际的符合程度有了质的飞跃,使得用户个人在新增开销不大的前提下接受系统指导,进而达到准系统最优的情况。(2)提出了一种切实可行的可并发部署的动态路径搜索算法。本文另避蹊径从并行性角度设计了一种可合理拆分并行处理的蚁群算法,在云计算蓬勃发展的今天尤其具有现实意义。(3)提出了一种基于云计算平台与物联网的交通流规划系统部署实例并设计原型系统。本文提出的部署方式是以云计算为主,以物联网为降低云平台计算量和应变的辅助手段,具有较好的效果。(4)提出一种基于物联网的交通流量预测算法,该算法计算量小,能够适用于嵌入式小型系统,具备定向组播特性,进而极大的降低云平台的处理负担。