城市交通诱导系统是智能交通系统的重要组成部分，是缓解交通拥堵的重要方法。准确、有效、实时的获取、处理及发布交通状况信息是交通诱导系统正常工作的基础和保障。本论文依托浙江省科技厅重大专项课题“城市智能交通诱导系统关键技术研究与应用”，采用低频采样浮动车数据对城市路段行程时间估计与预测进行了研究。　　 针对GPS浮动车地图匹配的特殊性，提出了一种浮动车智能地图匹配及轨迹跟踪算法。该算法综合考虑了GPS数据误差、路网拓扑结构、道路宽度、浮动车行驶方向及车辆数据连续性等因素，可对车辆进行精确定位及轨迹跟踪。由于该算法可对数据进行分批处理，大大提高了数据处理效率。　　 在地图匹配及路径跟踪的基础上，针对我国城市混合式交通及浮动车采样频率低的特点，提出了一种低频采样下的城市路段行程时间估计方法。首先综合考虑了交叉口的影响因素，提出了改进的端点时差法计算单车路段行程时间估计，提高了路段平均行程时间估计数据来源的正确性。然后在此基础上，结合交通流的周相似特性及出租车的特殊交通行为，利用模糊C均值聚类对路段平均行程时间进行实时估计，建立了路段行程时间数据库，为行程时间预测提供了数据支持。　　 针对交通参数短时预测中存在的实时性和准确性难以兼顾的问题，提出了一种结合路段时空性的支持向量机路段行程时间短时预测模型。传统支持向量机预测模型往往仅对目标路段的时间序列进行分析，而不考虑路网的时空性影响。论文利用所建立的路段行程时间数据库，通过引入邻接路段行程时间数据对训练样本进行改造，获得了实时性和预测精度较好的行程时间预测结果。　　 最后，在上述研究基础上，构建了一种B/S、C/S混合式的交通流信息诱导服务系统。该系统主要功能有：GPS浮动车全程监控及轨迹跟踪(C/S)、实时路段行程时间的显示(B/S)及短时预测路段行程时间的发布(B/S)。系统的实际运行，证明了模型的可行性和准确性。