旅行时间预测是智能交通系统研究的重要内容之一,是实现交通控制和交通流诱导的基础。路段的旅行时间能够直观的反应当前的交通状态,因此准确实时的旅行时间预测可以诱导交通参与者选择合理的出行线路,减少交通拥堵,提高出行效率,同时也有助于对异常交通状态和交通事件进行判断和检测。本文以城市主干道作为研究对象,对信号控制下路段旅行时间的预测方法进行研究,建立了旅行时间估计与预测模型,并取得了较好的效果。论文的主要研究内容包括三个部分：首先给出了一种基于车牌自动识别系统的快速旅行时间预估方法,该方法从基本交通信息数据库中提取旅行时间三元组(拍照时间；摄像机编号；车牌),以时空关系为约束条件进行有效数据的提取,并采用非关系型数据库技术进行车牌信息的匹配,大大提高了旅行时间预估效率。其次,基于交通流理论对包含信号控制交叉口的路段交通状态的变化情况、车辆的行驶轨迹进行了分析,建立了路段上任意两点间的旅行时间概率分布模型,并利用实际旅行时间数据对模型参数进行估计,最终得到旅行时间的概率分布趋势,该信息对于旅行时间可靠性的分析具有重大意义,同时从中也可获取路段的平均旅行时间。最后,给出了一种基于粒子滤波算法的旅行时间预测方法,算法中的每个粒子与历史某时段旅行时间数据相对应,并且通过分析流量与旅行时间的相关性、比较实时观测的流量数据和历史流量来完成粒子权重的计算更新,从而实现旅行时间的预测,该方法无需建立预测旅行时间与历史旅行时间的状态转移函数,而是利用历史数据的变化趋势实现状态转移。文中利用城市道路不同交通状态下的旅行时间和流量数据对模型进行验证,结果表明该方法具有较好的预测效果。