随着城市化进程的不断加快,世界各国先后建立了发达的交通运输网络,但交通需求的增长速度远比道路与其他交通设施的建设速度快,随之引发了环境污染、交通拥堵及交通事故等一系列问题,时刻威胁着人们的健康。为了改善城市的环境空气质量水平,各城市迅速出台一系列机动车尾气控制措施,但城市交通系统本身的复杂性,这些策略虽在一定程度上改善城市的环境状况,却无法从根本上解决城市日益恶化的环境问题。因此,本文借鉴国际上治理机动车污染排放的成功经验,研究城市的典型道路车辆行驶特征,探索合理准确的空气污染物预测方法,设立有效的城市低排放区,对于评估道路空气污染水平、制定管控策略、提升城市中心空气质量、缓解交通拥堵等均有重要的理论指导意义和应用价值。本文以杭州市高清智能卡口数据、路边监测站空气污染物数据、气象数据等为基础,城市典型道路的主要空气污染物为研究对象,处理得杭州市精细化交通流数据,探究城市典型道路的交通流时空变化规律。与此同时,结合固定监测站数据,应用考虑了精细化交通状态参数的支持向量机回归空气污染物浓度预测模型,基于典型道路交通状态参数和污染物预测数据的Logit模型,提出合理的城市低排放区收费管控策略,实现改善城市道路服务水平、减少机动车尾气排放,最后设计并开发了城市低排放区交通管控系统。本文的主要研究工作如下:（1）以杭州市高清卡口数据、机动车登记信息数据为基础,研究城市典型道路交通流量时间序列,应用基于奇异值分解的交通流量缺失补全算法,对高清智能卡口的抓拍缺失数据进行补全,分析城市典型道路交通流量分时段动态变化规律（包括总流量、各类车型交通量、各排放标准车流量等）。结果表明:奇异值门限算法能更好补全缺失交通流数据,且典型道路交通流在空间与时间上具有明显的规律性,综上为城市低排放区收费模型的构建、交通诱导策略的制定提供数据支撑,对提升区域大气质量水平、缓解交通拥堵具有理论指导作用;（2）以道路空气污染物中的细颗粒物(PM_2.5)为例,分析了车流量、不同排放标准车辆数、路段平均行程速度、风向、风速、温度、湿度等多种因素对细颗粒物(PM_2.5)浓度变化的影响,构建细化交通状态参数下的支持向量机回归（Support Vector Regression,SVR）模型。以杭州市某区域为实例,对构建的SVR进行实例验证,结果表明该预测模型的预测可决系数R²达到了0.871,比未考虑精细化交通状态参数的SVR精度高5.9%;（3）以杭州市城郊4类典型道路共8条道路为实验对象,对高清卡口数据进行清洗得到道路交通流量和路段平均行程速度等数据,建立合理的交通污染收费模型,从而改善大气污染问题、缓解城市交通拥堵。分析证明,合理设立交通污染收费将引导人们更积极采用公共交通出行,实现城市机动车结构优化,并显著改善未来城市空气污染问题,缓解交通日益拥堵的问题;（4）对城市低排放区的交通管控系统进行需求分析,确定了总体的设计方案,以电子卡口和固定监测站等数据为基础,结合交通流数据缺失补全、道路空气污染物浓度预测、Logit模型等算法,开发基于客户端/服务端架构的城市低排放区的交通管控系统,并详细阐述系统的各功能模块与实现过程。