交通需求预测是进行交通规划的基础,其预测结果,直接影响着决策者对规划方案的制定。传统交通需求预测方法,往往忽视不确定性,采用确定性的方法进行“点”预测,存在巨大的决策风险。为了提高预测结果的可靠度,降低决策风险,需要考虑交通需求预测中的不确定性。本论文主要是针对区间不确定下的交通需求预测模型与算法进行研究。首先,对交通需求预测中的不确定性进行了定性分析,明确了主要影响因素。通过对当前主要四种不确定性度量方法的对比分析,论证了采用区间数度量不确定性交通需求的优越性。其次,考虑需求的区间不确定性,构建了区间需求下的交通分配模型。运用区间分析方法,设计了基于minmax后悔法的鲁棒最短路算法,在此基础上构造了区间连续平均法进行模型求解。再次,考虑路段流量的区间不确定性,构建了区间OD反推双层规划模型。将区间分析方法与遗传算法相结合,通过构造能够进行区间运算的遗传算子,设计了区间遗传算法。最后,基于MATLAB平台编制算法程序,利用算例对区间阻抗下的鲁棒最短路算法、区间交通分配法和区间OD反推法进行了分析验证。本论文通过利用区间分析的方法,对传统交通需求预测模型进行改进,综合考虑了需求的不确定性,其预测的结果将会是一个包含多种情况的区间值,改变过去传统“点”预测存在的巨大决策风险性,增强了预测结果的可靠性,为决策者进行决策提供了更合理的依据。