交通拥堵问题一直以来都让人困扰,它严重影响城市发展和居民生活,是非常棘手但又亟待解决的重要问题。城市道路通行时间作为道路交通拥堵状态的直观反映,已经吸引大量学者对其估计问题进行研究,但是由于存在以下难点该问题还没有得到很好的解决:数据集高维且高度稀疏、用户不同驾驶特点导致通行时间差异、道路交通状况受多种因素影响动态变化等。为了解决上述问题,本文通过对城市道路通行时间估计关键技术进行研究,提出一种基于驾驶特点和交通状况的城市道路通行时间实时估计方法。本文的主要工作包括:(1)使用自编码器对高维高度稀疏的用户数据进行低维稠密表示,然后使用带局部缩放的谱聚类算法对用户表示进行聚类以区分不同驾驶特点,在此基础上再对道路的不同交通状况进行聚类,以形成不同驾驶特点和交通状况下的道路通行一般所需时间张量;(2)使用CP张量分解对时间张量缺失项进行相似填充,以获得当前时间不同驾驶特点和交通状况下道路通行时间的一般化估计,在此基础上进一步使用多层感知器对当前单个用户的道路通行时间进行个性化估计;(3)使用北京2个月的出租车GPS轨迹数据分别对本文提出方法在道路通行时间的一般化估计和个性化估计两个工作上进行测试验证和评估,通过与一些基线方法在几种指标上对比验证了所提方法实时估计道路通行时间的有效性和鲁棒性。本文关于城市道路通行时间估计的研究成果对解决城市交通拥堵问题具有一定参考价值,不但能有效地帮助城市规划部门了解道路拥堵情况以寻找交通瓶颈,而且能为交通部门提前做好道路拥堵的预防和应对措施提供数据支撑,还有利于出行者提前制定合适的出行路径,绕过拥堵道路从而节约出行时间,并避免道路拥堵程度加重。