席卷全球的城市化进程极大地提高了城市生活的速度,以车代步成为现代都市的发展趋势,随之而来的交通矛盾也愈演愈烈。近年来,ITS(Intelligent Transportation Systems,智能交通系统)的快速发展成为解决这一矛盾的主要手段,而其中一个重要的核心部分便是对城市路网中的交通流状态进行合理、准确的分析和估计。磁性感应线圈和装备有GPS(Global Positioning System,全球定位系统)的浮动车作为经济有效的交通流检测手段,被广泛地采纳于城市智能交通领域的研究和实际应用。本文将这两种手段作为主要的交通数据来源,首先分别引入了宏观交通波理论和曲面拟合算法,对上海市的路网交通流状态进行了估计分析。其次,本文着重研究了采用GPS数据的交通流分析,提出了一种基于车辆跟踪的路网交通流计算方法。该方法将浮动车在城市路网中的实时GPS位置点进行动态连接,形成连续的行驶轨迹,通过求取这些轨迹的平均行驶速度进而估计路网的整体交通流状态。此方法的优点在于避免了由于无法准确获取车辆在信号交叉口的实际等待时间所造成的对路网交通流分析结果的影响。在浮动车行驶轨迹的形成过程中,本文结合了Pareto多目标优化理论和模糊集理论进行综合判定。针对城市路网的实际情况,首先定义了浮动车行驶距离及其所经历的交叉口数量这两项优化目标,通过二维平面上Pareto最优解集的筛选以及模糊集上相应隶属度函数的构建和矩阵运算,得到可信度最高的行驶轨迹。然后,将各浮动车行驶于这些轨迹的平均速度值按不同的长度覆盖率投射到其所经历的所有道路路段上,并对投射到每条路段上的平均速度值进行合理的整合,从而估计出路网的整体交通流状态。在实现了上述算法的基础上,本文进一步讨论了联邦滤波器结合证据理论的方法,对采用SCATS检测环和GPS浮动车这两种不同信源的交通流分析方法进行了特征级的信息融合,提高了交通状态估计结果的合理性和准确性。本文所涉及的交通数据获取、整理、分析、融合和显示均建立于自行开发的GIS(Geographic Information System,地理信息系统)交通信息处理与显示系统。该系统将路网交通流的分析结果以单一有向路段为最小单位,按照不同的道路拥挤程度,用不同颜色实时地显示在数字地图上,以方便后续的信息发布和动态导航。实际交通数据的分析结果表明,融合估计结果由于考虑了不同数据源的互相补充以及不同算法之间的置信度判定等因素,较之上述任何单一的手段,能够得到更为稳定可靠的城市交通流状态。