路段行程时间不仅为交通控制提供重要基础信息,而且是先进交通信息系统的重要研究内容。然而,对路段行程时间进行估算或者预测时,其中包含众多模糊、不确定的因素和关系。另外,随着机动车保有量的增加,交通事故发生率出现上升的趋势,而交通事故会增加路段行程时间的波动性和不确定性。所以,在交通事故下,考虑模糊性和不确定性因素,研究路段行程时间估计就具有重要的理论和现实意义。本文考虑模糊性和不确定性因素,建立基于软集合理论的路段行程时间估计模型,并验证了该模型的有效性;然后,分析了交通事故对交通参数的影响,提出交通事故下路段行程时间估计模型。通过建立仿真场景,获取仿真数据,并验证了改模型的有效性。论文的主要研究内容如下:（1）考虑模糊性和不确定性因素,并考虑各个影响因素之间的模糊关系,借助软集合的定义和相关的运算规则,建立交通状态与影响因素之间的决策规则。然后,建立不同交通状态下的路段行程时间函数。最后,建立路段行程时间估计模型,并通过实际交通数据集对模型进行验证。（2）为了提高交通事故下路段行程时间的估计精度,分析了交通事故对交通参数的影响。并且,分析了广泛存在的模糊性因素、模糊关系以及智能网联车对路段行程时间的影响。基于软集合理论,考虑交通事故对交通参数的影响和智能网联车因素,建立交通事故下路段行程时间估计模型。（3）通过建立仿真场景,获得仿真数据,对在交通事故下的路段行程时间估计模型进行验证。并且,通过与循环神经网络和KNN方法进行比较,本文提出的方法降低了估计误差,提高了估计精度。