城市道路交通拥挤成为困扰世界各大城市的主要社会问题之一，严重影响着城市的可持续发展和人们的日常工作与生活。因而，根据获得的动态交通信息快速、准确地预测交通参数，再预测未来短时内的道路交通状况（是否拥挤），对于提早制定合理有效的交通拥挤疏导策略，具有重要的现实意义和理论研究价值。同时，作为最有应用前景的GPS浮动车检测技术和最稳定可靠的感应线圈技术，研究其数据融合模型对提高交通状态预测精度具有十分重要的理论和技术意义。　　 本文首先构建了包括路网、路段和交叉口、交通参数三个层次的评价指标体系结构，再根据交叉口、路段、路网交通状态评价的不同特性，分别选取合适的评价指标，从而设计了城市道路交通状态评价指标体系；然后在前人研究的基础上，改进了非参数回归交通参数预测方法，对预测的五大步骤：历史数据的准备、状态向量的选取、最小邻近数K的确定、相似性度量和预测函数的确定分别进行了研究，提出了相应的算法，并通过线圈获取的实际数据对该方法进行了验证；接着对交通状态预测方法进行了研究，根据融合时间的不同，提出了两种预测方法，特征级融合的交通状态预测方法和决策级融合的交通状态预测方法。针对特征级融合的交通状态预测方法，构建了GPS浮动车预测数据与线圈预测数据融合模型、基于融合数据的交通状态预测算法，针对决策级融合的交通状态预测方法，分别提出了基于GPS浮动车预测数据和线圈预测数据的交通状态预测算法，并构建了交通状态预测结果融合模型，同时对两种预测方法进行了比较；最后利用VISSIM仿真软件做了数据融合实验、基于融合数据的交通状态判断实验、基于线圈检测数据的交通状态评价实验，实验结果表明本文的研究成果具有一定的实用性。