根据城市交通拥堵的演化规律,往往起于交叉口或路段拥堵,扩散至片区拥堵,严重时还会引起城市大面积区域交通瘫痪。随着城市机动化加速,交通拥堵范围和时长不断增长,高峰时段片区拥堵现象已很常见。片区拥堵成为很多大中城市高峰时段的常态,应该引起交通行业管理部门重视。若要治理城市片区拥堵问题,对其客观预测是关键。本文借助出租车轨迹数据,面向经常出现三条及以上路段同时拥堵的路网区域,提出一种基于隐马尔科夫模型（HMM）的片区拥堵状态预测方法,主要是通过揭示交通流的演化机制,充分利用片区外围与内部交通状态的时空关联性实现预测。这点与常用的外推法有所区别,有望提高片区拥堵形态预测精度。本文主要研究步骤和结论如下:（1）首先,清洗原始的出租车历史轨迹数据和部分高德数据,得到有效轨迹数据。（2）通过与城市路网矢量地图匹配,提取出租车轨迹数据较为密集的路段集作为拥堵片区备选,并反复测试最小离散时间单元以确保动态车速的连续缓变性,最终形成不同时间单元路段车速序列。（3）基于路段车速序列,并以路段交通拥堵程度确定各片区路段的交通状态,整合出片区拥堵形态并标识,将其作为预测模型的隐藏状态集合。（4）利用等时间交通可达性理论上溯片区外围的上游卡口,并将上游卡口的路段车速离散化,作为预测模型的观察状态集合。（5）建立片区拥堵形态预测模型。利用历史出租车轨迹数据对模型进行训练,确定模型参数。利用实时高德数据对片区拥堵形态进行预测,并与另一种常用自回归滑动平均模型（ARIMA）相比较,验证模型的预测可靠性。本文考虑路段间交通相互影响,利用上游交通预测下游片区未来交通,并以宁波市李惠利医院为例,进行实证。通过分析模型的隐藏状态转移概率矩阵参数和观察状态混淆矩阵参数,寻找片区拥堵形态的传播规律。利用模型预测片区拥堵变化,帮助交管中心提前疏堵。同时发布交通广播,帮助出行者提前选择出行方式,避开拥堵。