长期以来，社会经济的发展与交通的发展一直存在着互相促进又互相制约的关系。如何让交通拥挤等问题不再困扰社会和经济发展是业界人士孜孜以求的目标。加强城市交通管理对策及其相关技术的研究，对允分挖掘现有交通系统的潜力和提高交通管理水平具有重要的意义。同时人均手机保有量的激增在带给我们通信便利的同时还产生了大量数据，因此若能从中挖掘出交通管理所需的信息，将极大地促进交通信息化的发展。　　 本文基于上述背景，特别针对实时交通状态分析关键技术--交通小区划分与OD预测展开研究。　　 论文首先从动态交通小区划分与OD预测信息需求分析入手，在对移动通信运营商调研和分析移动通信技术现状的基础上，通过对手机数据的格式、采集频率、蜂窝小区覆盖范围等特性的定性分析，得出将手机信息应用于动态交通小区的划分及动态OD预测是可行的。　　 在此基础上，本文利用Agent技术，以JAVA为开发工具，建立了包括虚拟路网，车辆和基站等对象的实验平台。平台中的各种参数采用安德伍德指数模型等经典的交通流模型和现实手机运营商的运作模式来进行标定。通过该平台模拟现实世界的交通及手机运营规则，从而获得了大量模拟手机数据。这一方法的准确性在理论上亦得到验证。　　 随后，通过数据挖掘，从实验所得的手机数据中得出一定时间段内各基站覆盖区的OD量，并基于人工神经网络的方法，利用MATLAB7这一工具，估计出了各基站覆盖区内的交通状态，同时以单个基站覆盖区为最小单位，将某一时刻地理位置上相邻的、且交通状态一致的基站覆盖区合并成面向交通管理的动态交通小区。　　 最后，在研究了基站覆盖区内动态OD的产生机理，明确了动态OD与基站覆盖区内的路段断面上的交通量存在着一定的联系后，参考断面交通量的预测方法，利用多步短时预测法对基站覆盖区内的动态OD进行了预测。　　 本文的主要研究成果是在不改变真实手机数据表结构的前提下，结合交通运行规则，利用Agent技术研究了产生手机模拟数据的方法，构建了基于Agent的模拟手机数据产生平台；结合交通需求与移动通信的数据特性，建立了基于基站覆盖区交通状态的动态交通小区划分方法；克服以往的不足并借鉴断面交通量预测方法，提出了简便易行的动态OD预测方法。