实时、准确、可靠的行程时间信息能直观反映城市路网运行状态,是智能交通系统中智慧出行信息系统、智能交通管理系统等的重要支撑。城市道路网作为开放性路网,车流会受到车辆随机到达离开、信号控制方案等众多因素影响而呈现明显的间断流特征,导致城市道路路段行程时间估计相较于高速公路、快速路等连续流设施具有更大的不确定性。本文充分考虑间断流特征,基于车牌识别数据构建了一套新的城市道路行程时间估计方法。具体研究如下:（1）针对车牌识别数据提出一套完整的行程时间数据获取及预处理方法,并对研究区域内的数据体量、车牌识别精度、样本匹配率等做详细分析,结果表明车牌数据具有较高的可靠与稳定性。（2）充分考虑信号控制对行程时间的影响,提出了一种符合间断流特征的行程时间估计策略。将城市道路行程时间分为不停车通过分量、信控延误分量、活动分量,以活动车辆数据为异常离群值,分别构建基于高斯混合分布的不停车通过时间分量估计模型、基于延误模式的周期级信控延误分量估计模型,以实现更为精细的周期级阈值窗估计,进而以该实时阈值窗完成活动车辆数据的清洗与行程时间均值估计。（3）本方法应用于研究路段的行程时间估计,将清洗与估计结果与连续流滤波常用的中位平均滤波算法、Dion低通滤波算法做结果对比,从过滤点、阈值窗、均值线估计结果等方面定性定量分析评价,结果显示本方法能提供更精确、可靠、稳定的阈值窗,在有效抑制高频活动噪声数据的同时,还能保留信控延误车辆数据,能更好的反映城市道路实时延误状态及行程时间变化趋势。