交通控制和交通诱导是智能交通系统中的重要的组成部分,是解决交通阻塞、交通事故等问题的有效手段和方法,在实时的交通管理中起着重要作用。交通控制和交通诱导的实现,以及时准确地对各种交通状态参量预测为前提,交通流量、占有率和平均速度均是反映交通状态的重要参数。因此,对路段平均速度的短时预测,不仅能够为交通管理部门进行实时、动态的交通控制、交通诱导等提供决策依据,而且能够为出行者进行路径选择提出有价值的参考,提供良好的交通信息服务。本文针对基于GPS/GIS的浮动车数据特点,总结其中无效的数据类型,并给出数据有效处理的方法。以支持向量机原理、交通状态预测方法为基础,分析了常用支持向量回归机、核函数及模型参数的性能,以及各核函数及模型参数对支持向量机性能的影响及作用。针对路段平均速度预测中的小样本、非线性、高维回归等特点,将支持向量回归机方法引入基于浮动车数据的路段车辆速度预测,构建了路段平均速度短时预测模型。并以杭州市某路段的实际数据为例,详细阐述了支持向量回归机预测模型的具体建模和求解过程。运用LibSVM2.84软件包,进行预测模型的参数选择、样本训练以及预测求解,并通过预测结果的对比分析,验证了预测模型的可用性和有效性。