随着城市化进程的发展和居民生活水平的提高,城市内部机动车保有量的同比增长率远高于城市道路长度的同比增长率,道路供给与出行需求之间的矛盾逐渐加大。为了在有限的道路承载能力上提升出行效率,提高出行体验,对未来道路状况预测的研究必不可少。依托国家自然基金,徐维祥教授团队尝试实现未来道路状况透明化。在自然基金项目的指导下,徐维祥教授团队在路网交通状态、车联网技术等方面做了一系列研究工作,提出了出行计划。本文以出行计划数据、交通速度数据、道路GPS数据和道路基本信息数据等4个模块共约15GB的数据为基础,首先对数据进行了预处理,并对速度数据的相关性分析,其次拟合了基于出行计划流量数据和真实道路速度数据的模型,然后对未来道路速度进行了预测,最后将道路交通状态进行了可视化展示。主要研究内容包括以下四部分:（1）以出行计划思想为基础,本文提出了通过判断经纬度范围的方法,将百度地图用户查询数据转化为研究路段的出行计划数据,进而转化为道路流量信息。同时,从空间维度和不同的时间纬度对道路真实速度数据进行了相关性分析,使用Person相关系数证明了速度数据的时空相关性。（2）基于交通流的速度、流量、密度三参数和基本图模型,拟合了基于出行计划流量数据和道路真实速度数据之间的速度-流量模型。通过使用Origin对数据进行了低通滤波处理,对比了使用滤波前后不同模型的拟合精度。（3）通过对基本的ARIMA模型、基于人工神经网络模型的BP神经网络和基于深度学习的LSTM模型进行比较分析,选择了LSTM建立预测未来道路平均行程速度的模型。然后,使用实际数据对模型进行了训练、验证,对预测结果进行了分析。最后,通过对比试验,证明了出行计划数据的有效性。（4）依据交通速度数据,通过Map Lab平台以热力图的形式对道路的交通状态进行了直观的可视化展示。本文通过研究出行计划数据,在道路交通状态透明化方面做了一些尝试,希望能够为缓解城市交通压力和未来智慧交通发展提供帮助。