智能运输系统(Intelligent Transportation Systems,ITS)已成为当前交通运输的发展方向,而动态路径选择又是智能运输系统研究的一个重要方面。动态路径选择的特点是司机在选择路径时所依据的条件是随时间动态变化的;它的目的即本文所研究的意义是帮助驾驶员避开拥挤和事故,避免因不熟悉城市交通环境而“迷路”,减少车辆在路段上的逗留时间,进而使路网畅通、高效运行。本论文首先确定了选择路径所依据的三个标准——物理路径最短、时间最短、流量最大,然后通过分析目前动态路径选择几种常用的方法中存在的优缺点,确定了本论文在路径选择时采用蚁群算法。蚁群算法的基本原理是:生物界蚂蚁寻找路径时,在物理最短路径上释放信息素,下一只蚂蚁可以根据同伴留下信息素的多少选择路径,最后所有的蚂蚁都会集中到该条较短的路径上。要把生物界中蚂蚁寻找路径的方法完全照搬到动态路径选择中是不切实际的,因此,为了解决车辆的动态路径选择问题,必须对算法进行改进。本论文针对基本蚁群算法中存在的缺陷,结合目前的一些改进方法,提出了改进的动态蚁群算法,该改进算法中引入一个动态调节因子λ,并结合Max-Min Ant System,将各条路径的信息素浓度限制在最大最小值之间,超出这个范围的值被强制设为最大值,避免信息素的无限制累加和可能出现的信息素为零的现象,以加速收敛同时还可以避免早熟,停滞现象。根据该算法选择的最佳的路径是一条满足多个约束条件的“折中”的路径,而不是只满足“物理路径最短”这一个条件的路径。在改进的算法中,首先给出了改进动态蚁群算法的数学模型、算法步骤、程序伪代码和程序框图,其次阐述了改进算法的基本原理、步骤,并通过Matlab仿真确定了算法中的各个参数,最后采用VB和Matlab软件对模拟区域和西安市的某一实际区域分别进行了算法的有效性验证,验证结果表明了该算法具有一定的可靠性与实用性。