近年来,随着经济的快速发展,城市对交通的需求迅速增长,而由此引发的交通问题日益严峻。智能交通系统(ITS)将先进的信息技术,数据通信传输技术、自动控制技术以及计算机处理技术等有效地运用于整个运输管理体系,能为目前城市交通面临的众多问题提出可行的解决方案,其相关领域的研究越来越受到各个国家的重视。交通流诱导系统作为ITS的重要组成部分,能够有效地防止交通阻塞,减少车辆在道路上的逗留时间,并最终实现交通流在网络中各路段上的最优分配。而实现广义出行费用最小化是有效地交通流诱导的基本前提,在广义费用的各个费用组成中,该领域学者一致认为旅行时间费用是广义费用中最为重要的费用。因此,本文在建立广义费用模型的基础上,分别对城市路段旅行时间的长期预估和短期预测进行研究,并根据不同特点分别建立预测模型,最后以杭州市几个路段的浮动车数据验证了模型的实用性。本文研究的主要内容包括:(1)建立了识别用户广义费用的模型。通过对比前人研究的成果,在本文的广义费用模型中包含了四种费用:旅行时间费用、交通费用、尾气排放费用和交通噪声费用,并分别研究了它们的识别方法。(2)建立了城市路段旅行时间的预测模型。通过深入研究旅行时间的预测方法,建立了杭州市几个路段旅行时间的长期预估和短时预测模型。其中,长期预估选用历史趋势法,短时预测选用广义回归神经网络的方法,并分别用浮动车数据进行了验证。