随着国民经济的高速发展和城市化进程的快速推进,城市交通的发展得到了长足的进步。但城市居民生活水平的提高,机动车保有量也不断增长,这就导致了有限的道路资源与激增的道路交通量之间的矛盾不断激化,继而引发了一系列的交通问题,例如交通拥堵、交通事故等问题,以及能源浪费、环境污染等等越来越严重。国内外多年来的发展经验证明,任何国家和地区都不可能通过大规模道路交通设施建设来解决交通拥堵问题。在现有条件下,只有合理利用并充分发挥城市道路网的潜力,才能综合协调车辆与道路之间的平衡关系。而解决这一问题的基础就是正确评价城市道路网目前的工作状态,通过定量计算来分析界定可靠性评价水平,其中交通量作为交通工程中的基本指标,对交通量的预测不可忽视。目前针对交通量预测的研究中一般忽略了同一时间不同路段之间的相互依存关系。从整个路网的角度来看,上下游的路段发生拥挤或者失效,必然会影响到与其相关联的路段。因此,在路段间的相互关系纳入到可靠性分析的考虑范畴之中是非常有必要的。本论文提出了基于支持向量机(SVM)的时空二维融合并行式预测交通流量的方法,在两个并行的系统模型中进行SVM预测,以降低时间成本。同时考虑了时间与空间的关联性,对时空进行二维融合,大大提高了预测的精度。可为有效评估行驶时间可靠性提供更准确的数据支持。本论文首先对当今国内外城市交通普遍存在的问题进行了简要的分析,并对目前评价交通系统运行状态的有效途径——路网可靠性分析的基本原理和要求进行了概括的描述。由于路网可靠性分析中需要大量的交通流量预测数据,由此引出本论文的研究内容——对正常与异常状态的交通流量进行预测。通过对支持向量机的基础理论进行研究和发展,最终采用基于支持向量机的回归模型对正常与异常状态下的检测数行时空二维融合进行拟合预测,与多元回归法对正常与异常状态交通流量的预测结果比较之后,可以直观看出基于支持向量机的时空二维融合模型有更好的表现。