交通运输业的发达程度不仅是社会发展和人民生活水平提高的基础，并且也是衡量一个国家现代化程度的标准之一。随着国民经济的飞速发展，社会生活中的车辆物资流通、人员来往日益频繁，由此形成的交通拥挤、道路阻塞、交通事故等交通问题也日益严重。　　 同样，对于港口交通而言，其运输的发达程度对整个港口的运输效率，乃至与港口相关行业的经济效益都有重大影响，交通诱导系统作为智能交通系统(ITS)的重要组成部分，对衔接和疏导港口和城市交通流有着关键性的作用。因此建立适合港口路网疏港问题的交通诱导系统模型是十分必须的。本文的主要工作如下：　　 首先，对交通诱导系统的研究现况和发展趋势进行了总结，然后在研究了国内智能诱导系统框架的基础上，结合疏港公路交通的特点，提出了适用于港口路网疏港的交通诱导系统结构框架和实施框架。　　 其次，交通流预测是智能交通系统中的一个重要研究领域，准确、及时的交通预测信息是动态路径诱导系统的基础和关键。本文分析了短时交通流预测模型应具备的特性，提出一种基于网格计算池模型的最优资源服务方法，在此基础上建立了交通流预测模型，采用基于高阶广义神经网络的遗传算法进行预测。交通流预测过程中，利用这种基于网格计算池模型的最优资源服务方法，可以使系统自动调用交通信息平台当前状态下的最佳CPU来执行预测任务，达到提高系统的服务质量和服务效率的目的。　　 最后，在此基础上结合城市路网结构特点和港口路网的特点设计了适合港口路网疏港的车辆实时诱导的路径优化模型，并对该模型进行了检验。