交通拥塞问题在智能交通领域中越来越受到重视,如何快速排查和分析导致交通拥塞的因素,解决交通拥塞下的路径寻优问题是研究智能交通的重点内容。Petri网能够动态和直观的描述交通运输流程,但对交通拥塞中出现的随机服务过程的描述仍存在一些不足,因此本文结合排队论提出了扩展概率Petri网的概念。扩展概率Petri网能对交通拥塞问题进行很好的动态分析,又能对交通拥塞问题进行准确的描述。因此本文研究的主要内容如下:(1)针对智能交通中的交通拥塞控制问题,首先提出了扩展概率Petri网,将库所中的托肯分两类:一类称为割集库所,另一类称为普通库所。对变迁的发生赋予变迁输入确信度函数、输出确信度函数和确信度函数,并计算托肯从库所到变迁的确信度大小。(2)其次在分析导致交通拥塞因素的基础之上,用扩展概率Petri网逆向推理矩阵计算导致交通事故因素的数值。建立基于扩展概率Petri网的交通拥塞模型,提出交通拥塞情况下的路径选择策略,并对蚁群算法进行改进以解决交通拥塞情况下的路径优化问题。此外,通过改进蚁群算法,在状态转移规则下添加下一步转移蚂蚁数量。将随机搜索机制和确定搜索机制相互结合,减小了改进蚁群算法的搜索空间,解决了算法容易过早陷入局部最优和收敛速度慢的问题。(3)最后进行Matlab仿真实验,计算发生交通拥塞时路径寻优时间和精确度,并与现有的路径优化算法相对比,以验证改进蚁群算法的高效性和可行性。实验结果证明了改进蚁群算法在解决交通拥塞时的高效和快捷。在发生交通拥塞时,改进蚁群算法能够解决驾乘人员对现有路径选择的随机性问题和经验依赖性问题,为交通管理部门和驾乘人员提供路线规划和路径选择支持,有效解决了交通拥塞问题。