汽车车速预测的研究已经成为智能汽车以及智能交通领域的研究重点之一。基于车联网预测汽车未来行驶车速,可用于汽车路径导航、碰撞预警及节能辅助驾驶系统,其研究具有重要的理论与应用价值。本文的主要研究内容如下:①通过VISSIM交通流仿真软件构建市区路网模型,模拟实际交通的不同交通状态,包括拥堵、畅通、缓行等交通工况,获得车速预测的原始数据。建立了路段实时动态划分模型,将变长划分与定长划分结合,对汽车未来行驶路段进行细致划分,确定基本路段及其子路段合成的划分方法。②建立两种灰色车速预测模型,即简单灰色预测模型GM(1,1)与灰色神经网络模型GNN。研究表明简单灰色车速预测模型GM(1,1)适用于车辆稳速行驶、趋于加速行驶、趋于减速行驶的车速轨迹预测中,灰色神经网络则适用于拥堵路段走走停停工况。分析了不同时间间隔对车速预测模型预测时长与精度的影响,并验证了两种灰色车速模型的预测精度。③建立最相似近邻车速预测模型,在路段划分的基础上提取路段平均车速,构建当前路段的历史数据库,并从中找到与当前路段平均速度变化特性最为相似的路段历史平均车速序列,作为未来多个时刻路段平均速度的预测值。分析了不同采样间隔与样本时间的历史数据库对最相似近邻预测模型的影响,并验证了模型的预测效果。④通过4种典型工况路段内所有车辆的车速轨迹、加速度及车间距分布数据,分析了7个基本特征参数在畅通、缓行、小拥堵、大拥堵这4种典型工况下的箱线图,确定路段平均速度、速度均方差作为工况识别的2个参数,并制定了工况识别的判断规则。最后论文给出了灰色车速预测模型、最相似近邻车速预测模型、基于其它车辆速度轨迹近似预测方法及路段平均车速近似预测方法的适用条件与范围。