事件管理系统是智能运输系统(ITS)的一个重要组成部分,事件持续时间预测是实现先进的事件管理系统和驾驶员信息系统的一个重要基础,实时的事件持续时间预测能够帮助事件管理人员确定最佳的紧急救援、交通控制策略,并能通过向驾驶员提供事件的持续时间信息实现对交通流的诱导,从而有效地减少交通延误,提高事件管理的水平.但目前国内在这方面的研究几乎还是空白,还没有一种能够实时地、较准确地对事件的持续时间做出预测的模型.该文主要对高速公路事件持续时间的预测方法进行研究,研究的主要目的是根据中国高速公路交通的实际情况,确定对事件持续时间具有显著影响的因素,并提出具有较优性能的高速公路事件持续时间预测方法.该文首先对从某高速公路监控中心获得的原始事件数据进行分析整理,确定对事件持续时间具有显著影响的因素.然后用整理得到的660组事件数据,通过对各类事件的显著性分析,建立高速公路事件持续时间预测/决策树,并用同一数据集中未用于决策树构造的170组数据对决策树的预测效果进行检验.检验结果表明所开发决策树的预测值与实际值的相关系数为0.8423,预测结果基本能够反映真实的事件持续时间情况.此外,该文也利用相同的实验数据,采用多元回归分析和神经网络两种方法对事件持续时间预测问题进行了研究,并对三种方法的性能进行了分析和比较.结果表明,三种方法在进行预测时,都能取得基本令人满意的预测效果.但在实际应用中,在某些事件特征信息还未获得或无法获得的情况下,决策树依然能够根据已有的信息对事件持续时间做出粗略的估计.而其它两种方法则只有在获得了所需的所有信息之后,才能对事件持续时间进行预测.从这一点上讲,用决策树方法进行高速公路事件持续时间预测要优于其它两种方法,该方法具有较好的应用前景.