准确全面地掌握交通流特征是对城市路网进行有效控制的基础。由于交通信息感知手段的限制,以往的交通流特征参数分析及预测大都是基于单个参数、单个路段的,无法从多侧面得到全面的交通状态描述,也忽略了路网相关路段对目标路段交通流特征参数造成的影响。RFID电子车牌能够采集单个车辆信息且覆盖车辆范围极大,弥补了以往信息采集手段的限制,为实现交通流特征参数更全面的分析及预测带来了新的机遇。在新的数据条件下,探索准确、可靠的交通流特征参数预测方法对于改善城市服务水平、缓解交通拥堵、保障交通安全意义重大。论文以RFID电子车牌数据为基础,从影响城市道路交通流特征参数预测效果的因素出发,结合RFID电子车牌数据的特点,建立了一种基于RFID电子车牌数据的城市道路交通流特征参数预测方法,重点实现了慢行车的判定分析、交通流特征参数的时空相关性分析及交通流特征参数的预测。主要内容包括:(1)交通流特征参数提取。道路交通状况及通行效率受慢行车比例的影响极大,且慢行车辆的比例越大,对二者的影响越大。为了获得一个明确的慢行车界定依据,在特征参数提取中,重点研究了分车型的慢行车判定分析方法。首先提取固定路段所有车辆的行程时间数据,根据分车型行程时间的统计特征参数确定判定分析的观测值。然后建立改进的TOPSIS模型对提取的观测值进行分析,利用拉格朗日方法求取“评价分析”的最优权重,得到了慢行车的车型类别。(2)交通流特征参数时空相关性分析。在空间层面上,考虑到单参数的相关性分析不能全面反映多参数之间的相关关系,本文建立了综合相关分析模型,求取了典型相关变量,根据典型变量间的相关系数来分析两组变量之间的相关性,从而证明了利用相关路段交通流特征参数预测目标路段交通流特征参数的合理性。在时间层面上,以两对典型变量的相关系数达到最大值为目标,建立了目标规划模型,得到了两组交通流特征参数的最大相关时间延迟。(3)交通流特征参数预测。为了避免在预测交通流特征参数时,不根据实际交通特点分类讨论,仅追求算法模型上的改进。本文首先针对稳定状态的交通建立了自适应渐消卡尔曼滤波模型,针对非稳定状态的交通,建立了小波神经网络模型。然后利用0-1规划和平均线性规划有机结合的方法,将两个模型进行了组合,建立了基于适应多种交通状况的城市道路交通流特征参数预测模型。最后通过实验结果对比证明了本文模型的优越性。