经济快速发展诱发了更多出行需求,城市内交通拥堵问题日益严重。智能交通系统被认为是缓解拥堵提高效率的有效方法之一。交通预测技术能够为智能交通系统实现交通信息发布与诱导功能提供数据基础,帮助出行者提前规划路径,在一定程度上缓解拥堵。出租车GPS数据提供了海量乘客上下车地点、速度、运行方向等城市交通动态变化信息,为挖掘路网内路段间的时空相关性,提高交通参数和状态预测准确率提供了有力的数据支持。已有研究主要集中在短时交通流预测及拥堵状态预测,而速度是反映道路状态的核心指标,速度预测也是交通参数预测研究的重要内容。论文基于出租车GPS数据对城市路段平均速度进行预测,首先提出了利用关系型数据库MySQL的GPS数据处理流程,包括时间坐标转化、路段划分、地图匹配、路段平均速度估算和数值插补。在进行地图匹配时,本文基于已有算法的优点和本文数据集的特征,充分利用路网拓扑结构、几何因素和车辆轨迹等信息对GPS轨迹点进行匹配以及偏移点修正。随后,基于特征选择和深度学习知识,引入基于自适应遗传算法的两阶段特征选择方法和门限循环单元神经网络,建立考虑多路段时空相关的路段平均速度预测模型。最后,利用基于济南市GPS轨迹数据得到的路段平均速度进行数据实验,在对速度数据集进行规律分析后,实现路段平均速度的预测,并从特征选择、空间相关以及预测模型角度出发多维对比各种算法的预测效果。本文研究能够从空间相关性和预测模型上丰富交通参数预测领域的研究,由于模型的预测结果较好,在实际应用中可以为交通管理和居民出行提供理论支持。