路段行程时间是描述道路交通状态的重要参数,它能够较好地评价道路的通畅程度,能够反映道路的运输效率,在交通规划、交通管理与交通控制中起着重要作用,在当前智能交通系统的研究和开发应用中也占据着重要地位。针对城市快速路的路段行程时间估计问题,考虑到微波检测器技术成熟、数据易获取以及低成本的特点,本文提出了一种基于微波检测数据的行程—时间域法进行路段行程时间估计。该方法首先假定微波检测器实时检测的速度即为路段单元在不同时间单元的空间平均车速,然后构建车辆出行的行程—时间域,最后通过模拟虚拟车辆穿越行程—时间域的过程获得车辆在该路段上的行程时间。该方法以北京市二环快速路上的微波检测数据为基础进行实例验证,结果表明,相比于传统静态行程时间估计方法,该方法显著提高了行程时间估计精度。不仅获得当前时刻的路段行程时间非常重要,预测未来时刻的路段行程时间也十分重要。本文以提高路段行程时间预测精度为目的,构建了基于小波神经网络的路段行程时间预测模型。然后以行程—时间域法估计得到的北京市二环快速路路段行程时间为实验数据,根据不同参数选择、不同样本数据建立多个预测实例对该模型进行检验,并与BP神经网络模型的预测误差进行比较。结果分析表明,所建立的小波神经网络模型能够更好地描述输入输出的映射规律。最后,将各个预测实例的结果进行对比,结合以往的路段行程时间预测研究,进一步分析了误差产生的原因以及本文所构建的模型取得较高预测精度的原因。本文所构建的路段行程时间预测模型及对模型进行的相关讨论,对于交通参数预测领域的研究具有一定的创新意义和借鉴价值。