分析了美国US101快速路瓶颈路段(简称"US101")和上海市延安高架上虹许路匝道瓶颈路段(简称"SHHX")的车辆轨迹数据,研究了城市快速路入口匝道车辆的汇入行为;考虑了汇入行为的13个瞬时影响因素和25个历史经历影响因素,采用随机森林算法对38个影响因素进行重要度排序,并识别关键影响因素;分别对2个瓶颈路段构建了贝叶斯网络汇入行为预测模型,并评价了模型预测精度。分析结果表明:瓶颈路段US101和SHHX共有14个关键影响因素,包括6个历史经历影响因素,其中瓶颈路段US101和SHHX历史经历影响因素分别占关键影响因素总数的45.45%、36.36%,说明汇入行为的历史经历影响因素对最终汇入决策有显著的影响;考虑历史经历影响因素的贝叶斯网络模型预测精度较高,瓶颈路段US101和SHHX汇入行为的总体预测精度分别提高了2.53%、8.85%,其中未考虑历史经历影响因素时,瓶颈路段US101和SHHX汇入行为的总体预测精度分别为87.94%和73.17%,考虑历史经历影响因素时,瓶颈路段US101和SHHX汇入行为的总体预测精度分别为90.47%和82.02%;此外,预测模型无过度拟合,测试集汇入事件与非汇入事件的预测精度之差在1.2%以内。