出行时间预测是智能交通系统的一个重要研究内容。智能交通系统通过信息技术的有效应用,充分发挥已有交通基础设施的潜力,并引导合理的交通行为,达到有效的交通管制。其中,出行时间的预测结果作为一种有效的交通信息,不仅可以帮助交通管理部门控制、调整交通流,而且能帮助出行者更加合理的安排出行计划。现有的出行时间预测主要是基于传统的固定数据采集设备。随着定位技术的发展,如全球定位系统可以在车辆的行驶过程中收集大量的车辆轨迹数据。车辆轨迹数据包含了车辆行驶过程中的大量时空信息,而且在地理覆盖范围上,比固定采集设备数据更具优势,因此,逐渐成为出行时间预测以及其他交通研究的重要数据集。本文将从出行者角度来研究基于历史车辆轨迹数据的出行时间预测。对出行者而言,他们更加关注的是两地间的未来出行时间而不是某一特定路段的短期出行时间。为此,本文提出一种基于历史车辆轨迹数据的出行时间预测方法,该方法主要分为以下几个步骤：提取起点和终点,寻找类似路径,检验正态分布,检测和剔除孤立点,应用数理统计方法。为评价该方法的准确性,本文通过几个常用指标分析预测结果的可信度。最后,应用决策树方法分析天气因素和行驶速度的相关关系,并根据天气因素和出行时间的定量分析修正出行时间。为验证本文所提的基于历史车辆轨迹数据的出行时间预测方法的有效性,以深圳的出租车轨迹数据为例,建立了历史车辆轨迹数据库,应用上述方法预测两地的出行时间。实验结果表明,本文提出的方法简单,并且具有良好的预测效果。通过天气因素和行驶速度的相关分析,表明雨天的行驶速度在一定程度上受到天气状况的影响。此外,雨天出行时间的预测值可以通过天气因素和出行时间的定量分析修正。