交通事件持续时间的预测是先进的交通事件管理系统的一项重要内容,精确的、预测的交通信息对旅行者信息系统至关重要。事实上,交通事件的持续时间包括四个重要组成部分:事件的发现时间,事件的响应时间,事件的清除时间和交通的恢复时间。这四个阶段的总和代表了交通事件总的持续时间,也就是从交通事件发生到交通恢复到正常状态的总和。前三个阶段表示事件的延迟时间,它可以通过快速检测事件和快速清除事件来减小;第四个阶段表示交通事件清除后拥堵的消散时间,不仅与交通事件本身的性质和特点有关,而且与事件发生前后的交通状况有关。过去对交通事件持续时间预测的研究中没有考虑到不同阶段的持续时间其影响因素并不相同,因此并没有把交通事件的持续时间分阶段的加以预测,从而使得预测精度很难提高。此外,由于对交通事件持续时间预测还存在使用的数据样本单一,预测的实时性差,难以适应实际情况中数据缺失情况等缺陷,因此一直没有被应用于实际的交通管理中。本文针对交通事件持续时间预测方法展开了一系列的研究。文章首先分析了上海市城市快速路的交通事件持续时间的影响因素,针对目前上海市城市快速路交通事件管理的现状,设计了交通事件数据库。并采用决策树方法建立了交通事件持续时间预测模型,该模型对于抛锚事件清除时间的预测值与真实值差的绝对值小于15分钟的准确率为82%,对交通事故清除时间的预测值与真实值的绝对值小于30分钟的准确率为56%。其次,分析了荷兰交通部提供的交通事件数据信息,这些信息详细、精确,有助于标定更为精确的交通事件清除时间预测模型。基于荷兰交通事件的数据信息,本文提出了基于贝叶斯的决策树算法的事件持续时间预测模型,该模型可以更好的处理信息缺失或信息不全的交通事件信息,与分类树方法和线性回归预测模型相比,它具有更高的预测精度。自1994年Daganzo提出元胞传输模型(Cell Transmission Model,CTM)以来,由于CIM模型中的参数易于标定,求解方法简单,可以很好的模拟动态交通等优点一直被广泛应用。本文以上海市城市快速路的特征路段为基础,基于元胞传输模型建立了交通事件持续时间预测的实例模型,将仿真结果与实际路段交通参数对比发现,元胞传输模型可以真实的再现交通事件发生后道路的运行状况和集散特点。因此,本文采用CTM模型建立了交通事件清除后拥堵消散时间的预测模型,并基于CTM模型计算了在交通事件延迟过程中,拥堵集结过程产生的延误和事件清除后拥堵消散的延误。分析结果表明,在城市快速路上,交通事件清除后拥堵的消散时间在事件总的持续时间中占有很大比例。拥堵的消散时间与事件延迟时间的比值不仅随事件延迟时间的增加而增加,且这一比值对交通事件发生后道路剩余通行能力的大小更为敏感。特殊情况下,拥堵的消散时间甚至是交通事件延迟时间的三倍多,而事件的总延误随着事件后剩余通行能力的减小而呈倍数迅速增加。因此,在交通事件处理过程中,要尽量减少占道,减少对通行能力的干扰,这对保证事件发生后道路设施的运行效率最为有效。交通事件处理过程中提高事件清除效率,降低事件延迟时间可以很大程度上减小事件总的持续时间。在上海市城市快速路上发生的一般性质的交通事件,降低事件的延迟时间,一定条件下可减小三倍的总的持续时间;在事件较为严重时,降低事件的延迟时间,甚至可以减小五倍的总的持续时间。因此,对于不同严重程度的交通事件,从先进的交通事件管理战略而言,应给予不同等级的救援预案。通过计算发现,高峰时段发生交通事件时,若该事件持续时间较长,有必要采取交通需求控制措施优化路网的交通流,从而减少交通事件产生的总延误。通过需求控制措施减少事件位置上游的交通需求,一般条件下可以使总延误减小到原来的一半。本文通过对交通事件清除后消散时间的预测,以及对拥堵延误和消散延误的定量分析,得出的主要研究结论可以有助于评价各项交通救援措施的效果,为提出更合理、更有效的交通救援措施和事件管理方法服务。论文最后就进一步的研究方向进行了简要的讨论。