随着中国城镇化进程加快,交通拥堵日益成为城市发展的通病,通勤高峰期尤为明显,通勤高峰期交通流量的精准预测是缓解交通拥堵的关键。另一方面,伴随着智能交通的发展和多学科的交叉融合,积累了不同类型的海量多源数据,如出租车GPS定位数据、人口户籍数据、参保、社保数据等,这些数据一定程度反映了通勤者的出行规律,为通勤高峰期交通流量的预测提供了数据支持。然而,如何从海量多源数据中分析时空关联关系,并在此基础上预测通勤高峰期的交通流量,还缺乏相应的解决方案。本文提出基于多源数据的通勤高峰期交通流量预测方法,依据不同交通工具的服务半径和出行距离,根据相关分类算法归纳总结通勤方式的最佳方案,为宏观交通规划的优化设计提供科学的决策。本论文研究主要内容包括:1.基于阐述本文的研究背景、研究意义、国内外交通流量预测相关进展,提出本文的研究内容;2.针对交通流量采集传感器进行归类整理,然后结合重庆市南岸区部分典型道路的真实断面交通流量数据,归纳总结出城市道路交通流量三类特征:动态性、时间相似性与空间相关性;3.多源数据预处理:从基本人口数据、路网数据、公交线路数据、出租车GPS轨迹数据等多源数据分析着手,提出了多源数据预处理方法,为交通流量预测提供数据准备;4.通勤高峰期交通流量预测原理:介绍利用经典Dijkstra算法实现最短通勤距离计算的非机动车出行统计模型;介绍基于轨道交通优先算法实现的私家车流量预测模型,.介绍利用地图匹配算法实现的出租车流量预测模型,进而实现基于多源数据的通勤高峰期交通流量预测研究。为验证本文方法的正确性,本文以武汉市为实验区域,通过实验证明,基于多源数据的通勤高峰期交通流量预测突破了依赖历史交通数据的局限,为交通流量预测提供了新的方法,为中微观交通规划和仿真提供新思路。