交通强国的建设有利于居民出行以及促进社会经济繁荣发展。基于人工智能算法的未来城市交通道路拥堵预测,可以帮助交通决策部门提前进行交通流规划,避免交通拥堵的发生;基于大数据技术的实时城市道路拥堵情况统计,能够动态反映当前交通流拥堵的规律,便于采取增设潮汐车道等措施疏堵,同时能够及时响应因临时修路、交通事故等潜在突发情况造成的交通拥堵。这些对道路交通拥堵预测具有重要的现实意义。本文主要研究未来城市道路拥堵预测和城市道路实时统计,根据梯度提升算法进行未来道路旅行时间预测、基于实时数据流利用大数据实时计算引擎进行城市道路预测统计,来解决道路交通拥堵。本文主要工作如下:1)针对未来旅行时间预测的自回归问题,提出了多种算法融合的缺失值插补处理方法以及基于特征影响力的特征构建的XGBoost时间序列预测算法,该算法动态分裂计算残差,寻找最大增益提高算法精度,融合预训练模拟、线性回归、中位数拟合等来优化缺失值处理过程,进行分权重的特征提取,使用贝叶斯优化、交叉验证进行参数优化设计,避免了过拟合,降低模型复杂度,提高了模型的稳定性。实验结果表明,该算法能够快速收敛,达到训练时间短、泛化能力强的目的,对于未来旅行时间预测的自回归问题,预测效果良好。2)针对实时城市海量车辆分布去重问题,提出了动态扩容的多重位分配海量数据去重算法。该算法接收整个城市各道路区域的车辆信息,经过多重分配将海量车辆数据均匀分配到N维矩阵中,来实时确认车辆所处道路区域,经过累加,得到各道路区域车流密度,并利用位图实现动态扩容。实验结果表明,该算法在允许极低误差的前提下,能够解决海量车辆数据分布去重问题。3)针对导致道路拥堵问题原因分析,设计并实现了基于Flink的多维度实时城市交通拥堵预测统计模型。该模型抽象出三个维度,根据城市每条道路上实时车辆数据信息,经kafka消费,利用非确定有限状态自动机来自定义复杂事件,模式匹配超速车辆,输出危险驾驶车辆信息并报警,避免因交通事故造成的交通拥堵;利用窗口函数计算,得到城市道路的拥堵情况;并为了实时统计整个城市中所有路段最拥堵的道路,引入自定义TopN函数。同时解决了由于网络延迟等问题导致的交通事件时间乱序问题。实验结果表明,利用水位线能够最大限度的解决事件时间乱序问题,反馈真实的道路交通情况;同样Flink能够在兼顾实时性和吞吐量的前提下,完成城市车辆超速驾驶引发交通事故造成的交通拥堵以及最拥堵道路统计的问题。