智能交通系统是实现智慧城市的重要环节,其中路网拥塞控制是智能交通领域中解决城市道路拥堵,提升道路通行能力,保证交通运输系统高效、畅通运行的重要研究课题。目前路网拥塞控制的研究主要集中于分布式拥塞控制和智能车辆路径指引等方面,如应用智能agent建模方法研究解决信号灯分部式控制和实时导航等问题上已取得了较多成果。然而,现有研究较少考虑复杂交通系统中的动态反馈机制以及驾驶员对于路径选择的不同偏好;另一方面,如何构建交通路网拥塞系统的动态量化指标也是当前拥塞控制中亟待解决的问题。针对智能交通系统中的路网拥塞及量化指标构建问题进行研究。首先,针对路网拥塞的形成机理,利用自底向上的多agent建模方式,提出了一种多目标路径决策agent移动模型。在该模型中,车辆agent兼顾最短路径和拥塞避免两个优化目标,通过车辆agent行驶距离最短(最短路径)和途经区域的拥塞程度最低(拥塞避免)两个目标优化来动态进行路径决策,从而实现对交通拥堵路段的分流控制,为研究复杂交通系统中的动态拥塞反馈机制提供了建模方法。其次,基于多目标路径决策移动模型研究了不同网络拓扑结构中易发生拥塞路口的共同特征,并得到统计特征规律,为城市路网规划设计和拥塞控制提供理论支持。最后,提出了一种自适应路口节点的权值序列模型,模型中的节点权值基于邻居链路的拥塞状况自适应的迭代修正。仿真实验结果证实了本文提出的模型和指标的有效性和正确性。本文提出的基于Brownian agent的多目标路径决策模型,研究了路网拥塞内在反馈机制,为车辆分流控制提了新的研究途径;挖掘拥堵路口的统计特征规律,为交通路网规划设计提供理论支持。自适应的路口节点的权值模型,为路网拥塞控制提供了一种新的量化评价指标和实时车辆分流思路,也丰富了交通系统拥塞描述问题研究的不足,具有现实意义。