随着我国机动车数量的不断增长,道路堵塞、交通事故等问题愈发严重。交通拥挤状态和旅行时间数据成为了交通管理者实施交通控制的重要依据,也成为了公众出行关注的主要信息。如何及时、准确地进行交通拥挤检测和旅行时间预测,成为了现代智能交通系统研究中的热点之一。基于此,本文利用微波车辆检测器数据,以京哈高速公路北京段为试验路段,对交通拥挤检测和旅行时间预测进行了研究,主要完成的工作及取得的成果包括：(1)研究分析当前高速公路可利用的数据形式及其优缺点,选取微波数据作为研究的数据基础,并分析交通流状态变化特性；针对高速公路微波检测数据中存在的错误数据,提出了一种基于阈值法和交通流理论的错误数据识别方法：针对微波检测器分车道检测的特点,设计了一种分车道数据整合方法。以试验路段大量原始交通流数据为例,验证了数据处理方法有效可行。(2)研究了交通拥挤检测的基本原理,针对交通流的非线性变化特征,以及单一检测器检测范围的局限性,提出了一种基于模式匹配与多节点相关性分析的交通拥挤检测算法。通过建立历史交通拥挤模式库,以及单节点模式匹配和多节点相关性分析,完成了交通拥挤检测。试验路段应用表明,该算法可以实现交通拥挤状态的实时、有效检测。(3)研究分析了不同旅行时间预测方法的优缺点,结合微波数据的特点,提出了一种基于模式匹配的旅行时间预测算法。该算法选择速度、流量、时段、路段、交通拥挤程度作为状态向量,以旅行时间为决策属性建立历史模式库。针对微波数据的稀疏性难题,提出采用二维线性插值法和分段法计算站间旅行时间。以欧氏距离为判断标准,通过K近邻策略搜索相似模式,采用加权平均的方法预测旅行时间。试验结果表明,所提算法能够精确地预测不同交通流状态下的旅行时间。(4)设计并开发了交通拥挤检测与旅行时间预测系统软件。分析了系统的功能需求,设计了系统的总体逻辑框架；基于VS2010、SQL Sever2008平台,完成了系统数据库设计、交通拥挤检测算法程序设计、旅行时间预测算法程序设计及结果展示四个方面。