如何准确、高效、低成本的对道路交通路况进行预测是智能交通系统在构建和完善过程中的重要问题,相较于浮动车、感应线圈、摄像头等传统方式采集的道路交通路况数据,手机信令数据有着成本低廉、覆盖范围广等优点,利用手机信令数据来提取道路交通路况并对交通路况进行预测有着重要的研究价值和意义。通过对手机信令数的产生及相关技术的研究与分析,在采用手机信令数据对交通路况的提取过程中,提出了针对常规异常数据的清洗方法以及专门针对噪声数据的清洗算法;对于所获取的道路上用户出行轨迹数据提出了基于速度阈值的聚类算法对其中的机动车出行方式进行识别,从而获取表征道路交通路况的速度特征。详细分析了多种道路交通路况预测模型的优缺点及适用场景,在对道路交通路况的基本概念、道路交通路况的特征、道路交通路况的状态以及道路交通路况预测的内涵的深入分析和研究的基础上,提出并实现了一种组合预测模型。该组合预测模型由基于统计理论的自回归差分移动平均模型和基于智能理论的支持向量机模型组成,在具体的预测流程中通过判断道路交通路况的特征情况来选取不同的预测模型从而来实现对道路交通路况进行准确的预测。分别对支持向量机、自回归差分移动平均预测模型以及基于这两种模型的组合预测模型进行测试,并将测试结果作分析和对比,表明组合预测模型比单一预测模型有更好的表现,组合预测模型能较好的适应道路交通路况的线性与非线性特征,在准确性和鲁棒性上表现更好。