城市道路行程时间信息对于管理者进行交通管理和政策制定,出行者制定出行计划、路线选择和避免拥堵至关重要。此类信息的重要来源就是行程时间分布,其可以提供交通状态分布情况和可靠性等信息。对路径行程时间特性进行深入研究,并建模实时估计路径行程时间分布具有实际意义。然而,路径行程时间分布估计面临着样本量稀疏的问题,而直接对路段行程时间进行简单加和的方法缺少对路段之间时空相关性的考虑。因此,本文以路段和路径行程时间为研究对象,对不同因素下的行程时间特性展开进行定量分析,并基于高斯混合（GMM）聚类、多阶马尔可夫模型和层次贝叶斯理论构建了考虑路段相关性的路径行程时间分布估计模型,具体研究内容包括以下两个方面:1)路径行程时间特性分析。首先,基于车牌识别数据,对数据进行滤波得到了高质量的行程时间数据集。然后,根据频率分布直方图分析不同路段长度、不同时段下的行程时间分布特征,提出利用Burr分布和高斯混合分布模型对数据进行拟合,通过拟合优度检验确定各情况下所合适的分布模型,并量化解释了行程时间分布特性及可靠性与路线长度之间的规律。最后,基于灰色关联理论,分析路线长度、交叉口数量和路线流量三类影响因素与行程时间特性之间的关联程度。2)路径行程时间分布估计建模及效果验证。首先,基于GMM聚类算法挖掘上下游路段之间的交通状态演化关系。然后,构建了多阶马尔可夫链模型,提出利用自相关系数来动态表示上游各路段交通状态的影响权重,以此得到条件马尔可夫路径概率。接着,根据层次贝叶斯理论,构造分层模型,将历史行程时间信息作为先验知识,用实时数据更新得到条件路径分布的后验推断。结合条件路径概率和条件路径分布,通过卷积得到路径行程时间分布。最后,基于杭州萧山区的车牌识别数据,对比了四类模型的估计效果,验证了本文提出的改进模型可以对路径行程时间分布和可靠性做出最准确的估计。并从采样率、估计时段和路段组划分三个方面对模型的有效性和适用性进行对比分析。论文对城市路网行程时间特性进行定量分析,在此基础上构建了一种三阶段城市道路行程时间分布实时估计模型,其中,估计模型中所有方法都能够被描述为解释性模型,这对于在城市道路数据样本有限的情况下进行行程时间分布估计具有重要意义。