随着被控对象的规模日益增大和复杂,对目标状态预测估计精度、鲁棒性和容错性提出更高的要求,传统单源信息难以满足高精度和鲁棒性要求,信息融合通过把相同类型或者不同类型的局部信息加以综合,消除信息之间的冗余和矛盾,最终得到信息的一致性描述,提高系统智能决策及时性、科学性和准确性。目前,对于融合预测估计方面研究大都以Kalman滤波理论基础开展,然而Kalman滤波器是以假设状态方程噪声统计特性已知为前提,而以上假设破坏了系统的观测输出,一定程度上制约了滤波器的滤波性能。在现实中,如战场目标跟踪、交通控制、复杂工业控制、遥感图像处理、复杂环境监视和故障检测等应用场合,受内部系统扰动和外部复杂环境的影响,滤波控制系统状态方程和传感器观测矩阵不可避免会存在随机不确定性,同时系统噪声特征也很难先验得知,Kalman滤波理论对于存在参数矩阵不确定的系统,目前还没有较好的解决思路。作为交通问题解决的重要途径交通信息化是城市交通亟需实现的。因此,研究不确定系统多源信息融合预测估计理论及其交通导航中的应用具有重要的理论意义和实用价值。论文首先在概述多源信息融合预测估计理论研究及其在交通导航应用中的发展现状基础上归纳现有研究中存在的问题。针对融合系统中存在的参数不确定性和噪声统计特性未知难题,基于H∞滤波理论,采用LMI设计方法提出一个分布式不确定多源信息融合预测估计滤波器设计定理,并针对交通导航领域二维和高架路网车辆跟踪应用需求,利用实际测量数据进行应用实例分析；针对航空领域飞行目标高度跟踪高精度和鲁棒性的要求,提出一种基于H∞滤波的航空高度跟踪方法,通过与Kalman和PF对比验证了算法的有效性；针对公共交通领域对公交到站时间和公交出行客流预测精确性和实时性的要求,基于济南市公交公司提供的公交自动报站数据和IC刷卡数据,利用融合预测估计理论分别提出了基于SVM和H∞滤波的动态到站时间预测方法以及融合AR、SARIMA、ARIMA和IMM的公交客流预测方法,并分别与SVM和SVM-Kalman到站时间预测方法以及MA、ES、ARIMA、NN客流预测方法进行了对比分析,验证了提出方法的有效性。