中文摘要：

行程时间是城市道路交通管控决策与诱导的重要参数。针对当前行程时间预测存在交通流理论研究不足等问题，以城市快速路为研究对象，采用交通流基础参数二维矢量空间基本图，分析交通流时空演变特征，基于元胞传输等交通流理论构建交通流时空演变模型；以此为理论基础，采用Dampster-Shafter证据推理数据融合理论，研究多源ITS数据环境下的路段交通状态参数数据融合估计方法；在此基础上，考虑交通传播对路线行程时间预测的影响，构建基于多变量时间序列的路段交通状态参数预测模型及路线行程时间预测方法；最后，采用广义自回归条件异方差（GARCH）模型，研究构建以方差为变量的行程时间可靠性指标预测模型，形成集交通时空演变模型、数据融合方法、行程时间预测和可靠性指标预测四个关键技术于一体的行程时间预测理论体系。项目研究成果对于提高行程时间预测准确性与可靠性具有重要意义，同是也是城市道路交通流理论发展的重要补充。

结论摘要：

本项目以城市快速路为研究对象，围绕交通流时空特性分析与时空演变模型、多源ITS数据融合、行程时间预测及其可靠性分析等关键技术展开研究，通过数据采集与预处理、理论与模型方法构建、成果验证三个有机环节，有效建立起多源ITS数据下的城市快速路行程时间及其可靠性预测理论体系，并取得了一系列有特色的研究成果。成果包括1）提出一种基于交通状态矢量的交叉验证均方差模型，以衡量不同汇集时间间隔下交通流数据的波动性，并采用t检验对不同汇集时间间隔所得的均方差均值进行显著性检验，从而确立了城市快速路交通流状态监测数据的最优时间汇集间隔为5分钟；2）提出一种基于多源ITS技术的行程时间融合估计方法，通过视频车牌识别技术和微波车辆检测器技术分别估计路段行程时间，然后基于D-S证据理论对二者的估计结果进行有效融合，取得了比仅利用单一数据源进行行程时间估计方法更好的效果；3）提出一种基于向量误差修正模型的多变量交通流短时预测方法，通过研究流量与速度之间的长期均衡关系，构建了基于这两个变量的时间序列预测模型，获得了比传统单变量时间序列预测技术更好的预测效果；4）提出一种基于单整自回归移动平均与广义自回归条件异方差相结合的ARIMA-GARCH模型，用于城市道路行程时间动态置信区间的预测，有效提高了单变量时间序列模型预测的可靠性；5）提出一种基于向量自回归模型为均值方程的多变量广义自回归条件异方差模型VAR-MGARCH，实现对多变量时间序列模型条件异方差的捕捉和置信区间波动预测，不仅有效提升了交通流短时预测的精度，同时还有效提高了模型预测的可靠性。目前，这些研究成果已经在昆山等地的智能交通系统中得到了有效性验证和成功应用。