摘要：智能交通系统(Intelligent Transportation Systems,ITS)是目前国际公认的缓解城市交通拥堵、减少交通事故和降低汽车尾气排放污染等交通问题的最佳途径。道路交通信息是ITS不可或缺的前提和主要内容。在短时间得到准确的交通信息,并根据这些信息快速准确地为驾驶员提供最佳行驶路径,是ITS领域的一个重要研究方向。目前,随着智能手机的普及,它在给人们带来通信便利的同时还形成了大量的交通数据。通过对这些手机交通数据的采集和处理,用于交通路网的短时预测及路径诱导已成为ITS的一个前沿课题。本文根据现有条件,主要研究利用手机数据进行交通路网预测和路径选择的建模和算法实现问题,主要内容如下：第一,根据交通路网特性和手机交通数据特点,引入虚拟路径(VTLs)的思想,设计了基于交通路网的时空自回归移动平均模型(STARMA)和逻辑回归算法(LR),分别用于预测交通路网的旅行时间和拥堵状况。第二,根据时空自回归移动平均模型和逻辑回归算法,提出一个基于连通可靠性的路径选取算法。通过逻辑回归算法得到的拥堵概率数据作为诱导路径中的旅行时间权重值,使得在路径选取过程中更倾向于那些没有或很少拥堵的路径。从而解决了一般算法中一味地追求最少的时间花费反而导致局部地区车辆的激增,进而影响交通路网可靠性的问题。第三,依托Paramics仿真软件通过编程,实现了对利用手机采集交通数据过程的模拟。利用Paramics仿真软件对路网进行建模及仿真,并将STARMA和LR的仿真结果与真实数据进行对比分析；另外,将上述路径选取算法的仿真结果与其他组合算法进行对比分析。