交通生成模型是交通系统仿真的基本模型之一。传统的交通生成模型是基于样本数目趋于无穷大的渐进理论建立的，而实际路网中采集到的样本信息通常是有限的，本文引入了在解决小样本问题中表现出全局收敛和较强泛化能力的支持向量机(SVM：support vector machines)进行发车模型建模，提出了基于支持向量机概率密度估计的发车模型，利用有限的支持向量对实际路口的交通流的统计分布进行回归估计，以描述具有一般意义上的发车规律，得到和实际路网交通流信息更加相符的交通生成模型。本文以城市道路交通微观仿真建模和相应的仿真软件系统开发为研究重点，论文主要工作如下： 1. 分析现有的交通生成模型，结合国内交通流的特点，由于我国交通组成的复杂性，导致传统的交通流生成模型不能准确地描述我国的交通流状况，利用支持向量机在解决小样本问题中的优越性，将基于支持向量机的概率密度估计的方法应用到交通生成模型中，进行发车建模，得到了与实际路网交通信息更加符合的交通流输入模型。 2.在基于多线程构建的仿真器中，实现车辆线程的定义和功能设计，以及车辆类和驾驶员类的相关定义，通过分析驾驶员类和车辆类分开定义可能存在的问题，提出了改进的方法和实现过程。 3.通过研究多车道之间的交通流相关性，基于支持向量机条件概率估计的方法对仿真器中的多车道发车模型进行建模，得到了与实际较为符合的发车模型。 最后，总结了全文的工作，并指出理论和应用上有待进一步研究的问题。