大气污染问题关乎我国民生和经济发展。在如京津冀、长三角城市群这样人口集中、工业化与城市化发展较快的地区,污染天气发生较频繁,因此近年来气象环境部门力图通过建立空气质量动态测算模型实现大气污染物浓度的实时测算和严重污染天气的预警。大气中,工业和机动车的排放占到了污染物总量的80%以上,其中工业污染现已基本能够实现源头上的实时监测,而机动车的排放却难以从源头统计,目前主要根据机动车保有量推算机动车的总体年度排放清单,但静态的总量推算既无法体现路网中个体路段间排放量的差异,也难以估算具体日期下路网时变的排放量,时空灵活性均较差。因此,基于现有静态污染物排放清单的不足,将动态的路网机动车排放总量作为一项因变量输入空气质量模型将能够有力推进动态模型的构建,成为一项亟需解决的关键问题。路网的动态排放测算主要基于路段时变的车辆行驶里程(Vehicle Kilometers Traveled,VKT)和静态的排放因子(Emission Factors,EFs),路段交通量是计算VKT的基础,但由于受到交通量监测成本高和覆盖率低的限制,目前仍难以通过实际检测手段获取大面积且具有实时性的交通量数据。考虑到小时粒度的交通量即可满足动态排放测算的精度需求,且路段全天交通量变化模式具有周期性和相似性特征,本研究尝试挖掘多源交通数据及其优势,构建可代表路段交通量模式的曲线库,并利用海量浮动车速度数据实现基于路段的交通量模式识别与检索,进而设计出一种面向排放测算应用的基于路段交通量模式的动态小时交通量估算方法,服务于有动态交通量需求的更多应用。本论文主要包括以下六部分内容:(1)针对国内外已有的交通量测算和交通量模式聚类相关研究经验,结合本研究动态排放测算的目的和空气质量模型建模需求,确定本研究中交通量估算的时间间隔与技术路线。(2)阐述北京市现有RTMS数据、公路交通量观测站数据、浮动车数据和日均交通量数据各自特征和优缺点,提出融合多源数据测算动态交通量的方案。(3)对北京市2018年4类城市道路RTMS的检测数据和5类公路的观测站数据进行预处理,比选最优聚类特征参数方案后利用改进的K-means方法对城市道路3289条和公路6271条交通量曲线进行聚类,最终构建出不同道路等级和日期类型下的归一化交通量模式库合计181条曲线,并结合实际,分析不同日期类型和道路等级下的交通量模式聚类结果。(4)基于Underwood模型提出了归一化交通流基本图的概念并完成了相关参数的标定,实现了浮动车速度和交通量特征参数间的转化,之后利用最短加权距离原则完成路段交通量模式的检索与识别。(5)提出基于交通量模式识别的路段动态交通量测算方案,并同现有基于交通流基本图的测算方式进行比较,样本路段的测算结果显示本文方法的平均均方根误差RMSE和平均相对误差MRE分别较速度反推方法降低了43.0%和82.6%,有效解决了速度反推方法在高速区间测算结果不准确和基本图普适性低的问题。(6)最后将前文提出的动态交通量测算方法应用于基于浮动车速度的路网动态排放测算和偶发性拥堵的蔓延速度测算。结果表明该方法可实现不同路网范围和日期需求下基于路段的机动车精细化动态排放测算,对样本路段拥堵蔓延速度估算的准确度也达到85.12%,可应用于动态交通诱导和管控。