行程时间采集和评估是先进交通信息系统分析交通运行状况的依据和基础,交通出行者及交通管理者经常采用其进行评价交通状态或者作为下一步交通决策的依据。手机切换定位的交通信息采集技术具有投资成本低、数据量庞大,信息覆盖范围广等诸多优点,逐渐成为了当前智能交通信息采集的重要手段,在利用手机切换技术获取行程时间过程中,两个连续采样点之间车辆可能跨越多个部分路段或完整路段,但是行程时间信息发布一般以完整路段为基本单位,因此需要将跨越不同路段的样本车辆采样间隔时间分配至每条路段上。对于快速路而言,其运行状态简单,采用基本路段比例法即可完成行程时间分配,且分配误差小；但是对于城市干道而言,由于信号控制交叉口的存在等问题导致行程时间分配难以处理,需要考虑信号交叉口引起的停车等待时间及加减速延误,信号控制设施类型及信号配时方案对停车延误时长起着决定性作用,但是现有城市干道行程时间分配方法多数没有假设信号控制设施类型及信号配时方案为已知条件,少数考虑了信号控制设施相关信息的方法,其模型输入参数多且复杂、可移植性弱。因此本文在假设信号控制相关信息为已知条件下,提出修正Hellinga模型及信号时间序列模型对交叉口延误精确分配,通过仿真平台获取手机切换定位数据将这两种方法与Hellinga模型(Hellinga教授2008年提出的分配理论模型)及神经网络进行对比分析,最终得出结论：在畅通状态下,修正Hellinga模型及信号时间序列模型这种精细化的结合交叉口信号信息的方法优于神经网络及Hellinga模型,在拥堵状态下,修正Hellinga模型分配效果依然最优。