智能交通系统(ITS)重要作用之一,就是交通流诱导。首先要利用检测到的交通数据,对未来的交通状态进行预测,以便能够最大地利用道路交通资源,减少出行时间,减少交通拥挤和减少交通事故。交通流诱导是目前公认的提高交通效率和机动性的最佳途径,其目标是在交通网络中为行人提供最优的旅行路径。近年来,道路行程时间预测成为智能交通系统的热点研究领域。准确实时的行程时间预测是实现交通控制与管理、交通诱导的前提,是使智能交通系统从“被动式反应”转变到“主动式动作”的关键因素。行程时间预测是道路交通控制系统和交通流诱导系统等领域需要解决的首要问题之一。通过研究交通流预测的理论和方法,从而比较准确地预测的道路行程时间,对于缓解城市交通拥堵、避免社会资源浪费有着重要的实际意义和应用价值。本文首先介绍了利用现代化的交通信息采集技术获得基本交通信息数据的各种技术。并且提出了交通信息数据筛选的方法,以降低交通信息数据的离散性。交通参数与路段下一时段的行程时间之间的关系是非常复杂的。本文以城市道路网络中典型的路段和信号控制交叉口为研究对象。考虑路段和信号控制交叉路口过去若干时刻的交通流量,通过对信号交叉口以及路段交通流特性分析,重新建立和标定了信号交叉口延误计算模型和路段行程时间计算模型。通过分析城市道路交通流样本数据的特点分析,建立了时间序列法中ARMA方法进行交通流的预测的模型。通过实例计算和分析,结果表明该预测方法具有较好的预测效果。