准确的行程时间预测信息是出行者进行出行决策的重要指标,是智能交通系统实施的基础理论。以往的单一行程时间预测模型大多忽略了问题本身和模型选取中存在的不确定性因素。组合预测模型可在一定程度上减小不确定性因素的影响,但组合预测模型中各子模型权重系数的确定仍然存在此类问题,会引起权重系数计算的偏差,进而影响行程时间的组合预测效果。论文从上述影响行程时间组合预测的不确定性因素出发,借助软集合和模糊软集合理论在处理不确定性问题中的优势,提出了基于模糊软集合的行程时间组合预测模型。本文研究的主要内容如下:（1）行程时间主要影响因素分析及组合预测子模型选取。现实中影响车辆行程时间的因素众多,且在多数情况下,行程时间会同时受到多种因素的影响。本文基于高速公路收费站刷卡数据及配套的交通事件数据提取了多个影响因素的相关信息,并基于模糊软集合理论分析了行程时间的主要影响因素。同时,考虑到受建模者主观因素的影响,组合预测子模型的选取存在一定程度的不确定性和随机性,并会影响行程时间的组合预测效果。因此,本文基于模糊软集合理论对多个单一行程时间预测模型的实际预测效果进行评估,并根据评估结果选取预测效果较好的模型作为行程时间组合预测的子模型,从而保证子模型选取的合理性。（2）组合预测子模型权重系数的确定及行程时间组合预测模型。除组合预测子模型选取过程中的不确定性和随机性外,预测模型本身也具有不确定性,例如,使用同一预测模型对不同的行程时间序列进行预测时,其预测精度也会有所差异。为进一步减小不确定性对行程时间组合预测结果的影响,本文提出了基于模糊软集合理论的组合预测子模型权重系数确定方法,并建立了相应的行程时间组合预测模型。最后,通过实验及对比分析验证了本文模型的有效性和优越性。（3）基于模糊软集合的行程时间函数构建及其在交通分配中的应用。基于前面的方法及思路构建行程时间函数,提出了一种可灵活考虑多影响因素的行程时间函数。并且,提出了相应的用户均衡交通分配模型。模拟分析结果验证了所提行程时间函数的有效性及其在交通分配中的优越性。