针对现有交通分配研究对驾驶员有限理性、道路交通动态随机性的忽视，提出一种基于智能代理的动态交通分配模型IATAM，其以驾驶员为代理，依据驾驶员的路线偏好，综合驾驶员信息处理的模糊随机过程，考虑邻居驾驶员影响，提出神经网络结构的驾驶员智能路线决策机制。实验中IATAM模型检测点车流量与真实车流量的平均相对误差减小到6.42%，表明IATAM模型实验精度更高，更符合复杂多变的交通环境。基于智能代理进行交通分配，更能反映驾驶员的异构性和路线决策的模糊随机性，并有效提高交通分配精度。