行程时间作为出行者最关注的交通参数之一,对于安排每日工作、生活计划具有重要意义。然而由于交通事件的不确定性、不可预知性,特别是在交通量日益增长的城市快速路上,轻微的交通事件就有可能引发大面积的行车延误,给居民生活工作带来较大不便。因此,通过研究事件状态下交通流特点、建立事件状态下快速路行程时间预测模型;构建行程时间预测、信息发布、交通诱导智能交通运输系统子系统对于降低出行延误具有重要意义。首先,文章从事件状态下快速路通行能力、交通流排队消散统计特性以及行程时间预测方法三个方面叙述了事件状态下快速路行程时间预测的基本理论与方法。其次,通过分析当前行程时间预测方法的优缺点,从事件状态下交通流统计特性出发,建立了波动理论-BP神经网络事件状态下快速路行程时间预测组合模型。最后,以北京市四环路交通事件历史统计资料为依据,根据路段上各环形线圈之间的行程时间计算路段实际行程时间;将事件发生时刻前后各36小时的交通量、地点车速、各事件阶段统计时间代入预测模型计算路段预测行程时间。利用绝对平均误差、均方根误差、平均绝对百分误差三个指标进行模型评价,结果表明所建立的组合预测模型较单一预测模型有较高的预测精度。将事件状态下行程时间预测模型应用在智能交通运输系统中,构建了智能交通运输系统事件状态下快速路行程时间预测子系统基本框架。