路段行程时间是能直观反映高速公路运行状态的一个重要指标。实时或准实时地估计高速公路路段行程时间,能够反映路段的通畅水平,体现实时的交通拥堵程度,并能作为进一步预测交通状况的基础,对交通控制和交通管理方面的工作有很重要的作用。为实现路段行程时间的准确估计,本文在对现有路段行程时间估计方法研究现状进行综述的基础上,结合高速公路现有数据存在的问题,提出一种多源数据融合方法:首先,对高速公路收费数据和“两客一危”北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)数据分别进行处理,获取路段行程时间特征值,然后运用特征级融合方法实现对路段行程时间的融合估计,从而得到更加准确的路段行程时间估计值。论文完成的具体内容主要包括:(1)综述路段行程时间估计方法的研究现状。先介绍单一数据源的估计方法,然后介绍数据融合技术在行程时间估计上的应用,再总结研究现状,指出该领域研究目前存在的不足。(2)提出基于收费数据的路段行程时间估计方法。先介绍收费数据的特征,设计预处理流程,再分析收费数据路径行程时间的构成,提出通过上下游主线行程时间确定路段行程时间的估计方法。(3)提出基于BDS数据的路段行程时间估计方法。先介绍BDS数据的特征,设计预处理流程,再对现有基于GPS数据的估计方法进行简述,提出本文分定位点数据类型确定路段行程时间的估计方法。(4)研究多源数据的特征级融合估计方法。先阐明数据融合的必要性,设计融合思路,再对不同数据源获得的路段行程时间特征值进行特征缺失填补,以及划分交通状态,最后构建人工鱼群算法优化的支持向量回归机模型进行特征级融合估计路段行程时间。(5)利用高速公路实际数据,对建立的路段行程时间融合估计方法进行实例验证。结果表明,与加权平均法和神经网络模型两个融合方法相比,支持向量回归机有更好的融合估计精度;与单一数据源的估计方法相比,融合方法具有更高的估计精度。因此,本文提出的基于多源数据融合的高速公路路段行程时间估计方法具有更好的准确性。