目前，交通拥堵已经成为各国城市关注的一个社会问题，严重阻碍了城市的经济发展，并影响了人们的日常出行活动，而且这种趋势正在愈演愈烈。交通流路段平均行程时间是反映道路交通流运行状况最直观的指标，因此，获取实时、准确的交通流路段平均行程时间是改善交通拥堵问题的有效途径。“GPS+GIS+无线通讯”技术在车辆监管中的广泛应用，为基于车载GPS数据的交通流路段平均行程时间的估计与预测提供了低成本的基础数据。本文以车载GPS数据为基础，以进一步改善交通流路段平均行程时间估计与预测的效果为目标，对相关的方法进行了深入研究。本文的研究工作及进展主要表现在以下几个方面。1)车载GPS数据的预处理方法研究运用门限方法对车载GPS的漂移数据进行了识别与处理，利用车辆停车判断方法对车载GPS的冗余数据进行了识别与处理，采用地图匹配方法对车载GPS的定位偏差数据进行了识别与处理，有效改善了后续技术模块输入数据的质量。2)基于车载GPS数据的单车路段行程时间估计方法研究针对位置-时间插值方法和速度-时间积分方法存在的不足，在分析其影响因素的基础上，分别采用牛顿插值法和切比雪夫多项式拟合法设计了相应的改进方法，并以此为基础设计了一种基于BP神经网络的融合估计方法。实证分析表明，所提出的改进位置-时间插值方法、改进速度-时间积分方法和改进融合方法能够进一步改善基于车载GPS数据的单车路段行程时间估计效果。3)基于车载GPS数据的交通流路段平均行程时间估计方法研究针对现有研究成果较少且效果有待进一步提高的客观现实，在分析不同样本车种类和交通状态等因素对交通流路段平均行程时间估计所产生影响的基础上，运用支持向量机方法建立了基于车载GPS数据的交通流路段平均行程时间估计方法。实证分析结果表明，与已有文献相比，所提出的方法能够进一步降低估计误差。4)基于车载GPS数据的交通流路段平均行程时间预测方法研究考虑到组合预测在降低误差方面具有的优势，根据使用频率和预测效果，选取改进卡尔曼滤波预测方法和遗传神经网络预测方法作为基本方法，基于SVM法设计了一种组合预测方法。实证分析结果表明，与所选择的基本方法和组合预测方法相比，所提出的组合预测方法具有进一步降低预测误差的效果。本文的研究内容、研究方法和研究结论是对交通流路段平均行程时间估计和预测方法的补充和探索，其成果可为交通管理者、交通出行者的动态决策提供信息基础，对于缓解交通拥堵具有重要的学术意义和实用价值。