近年来，社会经济的发展对道路的需求量日益增长，简单的增没道路及设施已不能满足要求，大力发展智能交通系统(ITS)才是解决问题的最佳途径。随着城市化的步伐越来越快，国内部分城市已经率先施行“城市网格化”项目，将ITS应用又向前推进了一步。本研究课题正是在“城市网格化”项目背景下提出的。通过对城市网格化机动车识别系统采集的交通流数据进行了大量分析，发现相似的交通流波形总以周期性出现，并以周为周期的交通流曲线相似程度最高，规律性最强。利用城市交通流的周相似性，对非参数回归预测模型进行了改进，并建立了基于历史数据相似度的预测模型。本文将城市交通网络中行程时间预测及最小路径搜索相结合，实现最小时间路径及次最小时间路径预测。预测效果能达到指导用户出行的要求，最后对其有效性进行实例验证。