随着卫星定位技术的日益成熟,导航定位功能成为一种新型的交通数据获取方式。同时交通出行轨迹信息成为炙手可热的新型交通数据,目前大多数研究学者是根据出行轨迹数据估算道路平均速度、行程时间,并利用这些数据进行交通状态的评估,判断交叉口或路段是否处于拥堵状态,而预测实际交通流量数值的文献研究成果还比较有限。对现代交通管理和控制而言,交通流量是重要的基础参数。本文即是在此角度上,求解交叉口流量流向,进而研究配时优化方案的。首先,本文立足于出行轨迹数据,给出了轨迹数据的定义以及本文出行轨迹数据的来源,并介绍了几种常见的出行轨迹数据与真实路网的匹配方法。在根据地图匹配的结果分析了出行轨迹数据的交通流特性后,确定交通流存在随机性、相似性以及周期性三个特点。并借由这些特点,认为可以利用马尔可夫链对交通流量和流向进行预测。其次,介绍了本文的交通流预测模型。确定了利用马尔可夫链进行交通流量和流向预测后,发现单纯的马尔可夫链的预测效果并不能满足真实路网的预测需求。为此,本文为马尔可夫链引入了两项修正方法,分别是对马尔可夫链进行加权、将灰色预测模型的预测结果应用到加权链的预测结果中优化。最后对比三种预测方法,得到了混合的灰色马尔可夫链拥有较好地预测效果这一结论。在利用流量规模数据进行了配时合理性的判断后,本文又研究了车辆在交叉口的通行流程,结合车辆在交叉口的出行轨迹数据预测了车流的排队长度,求解了车辆通行过程中的平均延误。并结合运动学公式,求解了优化的配时方案里各相位的绿灯时长,最后给出了完整的优化配时方案。文章的最后利用桂林市某交叉口进行了真实数据模拟,利用SUMO建立虚拟交叉口进行仿真,生成配时方案,求解优化前后交叉口的平均延误,做出方案对比,量化了优化程度,体现了优化方案的优越性。对利用轨迹数据有一定的指导作用,为大数据时代的交通控制提供了新的思路。