伴随着我国社会经济水平的提高，城市居民的出行需求不断增加，导致交通出行量剧增，现有城市道路基础建设已无法满足日益增长的出行需求，城市交通系统面临严重的供需失衡。精细化地掌握车辆出行的轨迹，追踪车辆出行的轨迹溯源，为合理的制定交通管控策略提供依据，是交通决策者们当下面临的重要课题。当下交通管控方案的制定多是依据历史流量数据，由于数据的时效性不高，导致管控效果往往不佳。而在实时调控方案下的流量预测方法能够适应复杂多变的交通环境，及时的为交通管控方案的发布提供精确的数据基础。对于实时调控下的流量预测，我们要精准地掌握干线区域内车辆的路径选择行为，探究车辆出行的影响因素，分析交通流在时间和空间上的分布规律。同时该流量预测方法能够为平衡路网的交通流，提升整个路网的交通运行效率提供数据支持，对城市建设规划等方面具有重要意义。
　　本文通过对出行选择行为进行分析，基于RFID出行数据挖掘了出行时长、路径熟悉程度、路径长度以及快速路占比、主干路占比、匝道占比几大影响因素，并根据RFID检测设备的分布情况对研究干线影响区域范围进行了OD区域划分，提出了OD间路径的获取方法。基于MNL模型对上述影响因素进行了显著性检验，引入弹性分析法对模型结果进行分析，完成出行路径选择概率的预测。通过BPR函数将交通管控方案与出行时长相关联，对实时调控下的干线道路车流量进行分配。主要研究内容如下：
　　（1）对出行行为的特征机理进行分析，从个人影响因素、出行影响因素以及环境影响因素等三个方面定性分析了各类影响因素对出行路径选择行为的影响，为后续路径选择模型的构建奠定理论基础。
　　（2）通过对RFID出行数据的特征进行分析，提出了RFID数据的预处理方法，解决了RFID数据量过大且存在冗余、缺失方面的问题。同时根据RFID检测点位的分布情况划分OD区域，给出了OD区域间路径获取的方法，最终确定了出行时长、路径熟悉程度、路径长度以及快速路占比、主干路占比、匝道占比6个具体的影响因素，并给出了各影响因素的提取方法。
　　（3）基于效用最大化理论构建了车辆出行路径选择MNL模型，通过模型对相关参数标定，确定了出行时长、路径熟悉程度以及快速路占比为显著性影响因素，应用弹性分析法对检验结果进行分析，并针对模型数据量不均衡的问题，通过样本权重法（Sample Weight）对模型进行了改进。结果表明，模型预测的准确率从92.55%提升到了97.87%，说明该方法能够较好地使用于MNL模型。
　　（4）提出了干线影响区域内道路交通流量预测的总体方法和流程。以多车道汇入控制为研究对象，引入BPR函数将交通管控条件和出行影响因素相关联，通过改变多车道汇入的绿信比来改变道路的交通阻抗，进而影响各路径的出行时长。选取重庆市金渝立交的①号匝道的多车道控制为研究对象进行实例研究，通过实地调查获取各交通流参数，基于改进后的MNL模型计算车辆通过该路径的概率，最终完成道路交通的流量预测。