随着互联网行业以及信息时代迅速发展,用户产生的数据成倍增加,同时计算机储存技术日益成熟,计算机计算能力大大加强,使得越来越多的数据能够用计算机处理,蕴藏在数据中的价值也越来越多的被人们所关注。目前机器学习理论日趋成熟,大数据技术在各行各业中取得巨大进展,有力地推动了人工智能的发展。企业通过收集数据,基于机器学习理论,研究行为数据,从而提取有用信息为企业所用。基于以上背景,本次研究希望能根据历史数据,训练出精确的模型,在给定出发点和目的地的情况下,对交通时间进行预测。本文在获取纽约市TLC行程记录数据（https://www1.nyc.gov/site/tlc/about/tlc-trip-record-data.page）的基础上,基于机器学习相关理论,搭建模型,建立出行时间预测模型预测出行时间。在本文中,通过探索性的分析,发现理论最快路径的距离与实际行程距离非常接近,因此,提取出理论最快路径的特征,并将其用于预测模型中。已有研究,大多数需要起点及终点之间的实际路线信息,这在实际行程中是不确定的,同时还可能存在客户隐私问题。这样的数据集获取成本大,数据集更复杂,对计算机性能要求高,训练模型效率较低,特别是短期预测效果不佳,预测模型的城市迁移性比较差。而本文将理论最快路径代替实际路径,很好的规避了此问题,并取得了非常好的效果。文中的基于出发点、终点的研究方法具有很好的适用性,能够很方便的迁移到其他城市的进行行程时间预测。同时对于已有的研究方法所涉及的数据集,也同样适用,即如果路径轨迹信息可以获得,路径上所有的点都可以作为新的起点和终点加入到数据集中,作为训练数据,进一步丰富数据集,从而提高模型预测精度。模型选择上,基于决策树的可解释性,兼顾集成算法的优点,使用了基于决策树为基础的集成算法来建立模型。对出行时间的预测主要从两个方面进行:长期预测（未来10天的训练数据）和短期预测（未来1小时的训练数据）,结果发现Xg Boost模型在所有模型中表现最好。未来,随着信息更加公开透明,有机会获取更多的行程信息,更加详细的天气信息,同时随着计算机处理能力的提高,增加数据集的时间跨度,获取更多的数据量,能够使模型更加精准,从而适用于更多的城市。