随着当前世界经济的不断发展和社会城市化步伐的加快，我国绝大部分城市的机动车数量都得到了飞速增长，随之而带来的是交通拥挤甚至交通阻塞、交通事故的逐渐增加。众所周知，交通拥挤与事故严重制约着当今社会的发展与进步。因此，怎样提高高速公路、城市道路的道路利用率，减少车辆的出行时间和提高出行安全，从而降低交通拥挤和交通事故的发生率已成为目前亟待解决的难题。　　有鉴于此，本文通过设计一种基于遗传蚁群混合算法的规避系统来解决上述问题。规避系统的基础是通过对实际的道路网络进行数学建模，抽象后得到道路的动态路网模型。核心思想为利用遗传蚁群混合算法，在动态路网模型中求解实时的最优规避路径。方法是引导车辆按照动态的最优规避路径行驶，规避拥挤道路，规避事故易发道路和事故已发道路。最终达到规避拥挤、规避潜在事故、规避已发事故的目的，进而降低交通拥挤和交通事故的发生率、改善交通环境。　　按照上述的思想与方法，本文首先利用Matlab模糊控制工具箱将实时的交通流参数根据评价标准量化成0～1的拥挤度，将实时的安全状态根据评价标准量化成0～1的安全度。再结合道路的实际长度的和道路基本属性，利用层次分析法对这四个参量进行加权修正，从而得到动态路阻矩阵。最后根据图论的知识建立基于动态路阻的动态路网模型。然后采用遗传蚁群的混合算法进行求解，即算法初期利用遗传算法的特点快速计算出多组优化解，然后蚁群算法根据这些优化解生成相应的初始信息素分布，以弥补蚁群算法初期搜索速度缓慢的缺点。同时在利用蚁群算法对最优解的进行求解时，为避免算法在计算时出现局部最优，降低求解的准确率，利用遗传操作作用于蚁群算法的解分布，增加搜索空间的多样性，达到提高算法求解精确率的目的。对混合算法在Matlab环境下进行仿真，通过对比分析，表明混合算法综合了两种算法的各自优点，在求解速度与精度方面都有所提升。最后在Windows平台VS2008环境下利用MapX与VC++进行编程，对整个系统进行测试与分析。结果表明，利用该动态路网模型与混合算法能很好的达到系统预期的规避目的。