基于城市路网的交通诱导系统是智能交通系统的重要组成部分,对于平衡城市路网交通流,改善整体交通状况都有着重要的作用。交通诱导系统通过路网各路段行程时间估计和预测值,为交通参与者选取最佳行走路线,可以减少个人行程延误,并从整体上调节路网中各道路的流量分布,缓解局部区域的交通拥堵。由于交通诱导所起到的更多为一种建议性的非约束性作用,最终的诱导效果取决于诱导方案被交通参与者的采用程度。这使得道路行程时间估计和预测变得至关重要,准确实时的行程时间估计和预测值能够使交通诱导系统从“被动反应”转变为“主动控制”。本文将城市交通系统看作随机系统,将道路行程时间看作随机变量,提出了期望行程时间的估计和预测方法。全文的主要研究内容和研究成果总结如下：(1)以环形线圈检测器交通流数据为研究对象,提出了一整套数据预处理方法,主要包括数据筛选和数据恢复两部分内容。针对交通流数据异常的主要原因及表现,设置了阈值筛选、零数据筛选和质量控制筛选三步骤筛选方法；根据城市路网交通流的时空特性,提出了基于时空相关性的综合数据恢复方法,并与单一方法进行比较分析。仿真结果表明,整套预处理算法能够对实际交通流量数据进行实时有效地处理。(2)在分析城市路网交通特性的基础上,提出了一种期望路段行程时间估计算法。根据车辆在城市路段的行径情况,将路段行程时间分为道路行驶时间、交叉口延误时间和转向延误时间。以BPR模型和排队论为基础,将实际路段交通系统抽象为数学模型,并引入转向因子,根据车辆在下游交叉口转向行为的不同,将左右转及直行路段行程时间加以区分。(3)基于上述所有工作,提出了一种基于城市路网任意两点间给定路径的平均总行程时间预测算法。采用多步预测和滚动相加的思想,来解决未来时段交通数据未知和车辆到达某路段时间未知两个问题。并将该方法与K最短路径算法相结合,提出一种基于路径总行程时间预测的路径选择算法思想。