当今社会,城市化进程的速度已经达到难以置信的程度,越来越多的国家已经意识到了交通对市场经济发展的重要性,各国纷纷将交通建设作为国家重点建设的内容,更为重要的是,人民生活水平的提高以及城市的经济发展都与交通有着非常大的关系,伴随着国民经济的快速发展,人民生活质量稳步提升,也就意味着社会生产生活成本的降低。在此同时,也带来了众多严重的社会问题,包括大气污染、水污染等等,其中道路交通拥堵现象日益严峻,已经成为阻碍经济持续发展的命脉。随着交通难题的到来,世界各国纷纷意识到单纯依靠传统的交通控制和交通诱导方式已经很难应对越来越复杂多样化的交通问题。智能交通系统正是在这种大背景下应运而生,各国投入智能交通系统上的研究力度越来越大,在解决交通问题方面提出了许多创新高效的新理论与实际结果。针对以往交通数据采集技术的瓶颈,本文首先介绍了浮动车数据作为当今智能交通系统首选的数据源的优点,提出由程序方法获取城市道路网络数据的方法。在数据预处理和分析的基础上,首先对居民出行规律进行统计,分析得出基本符合无标度特性的出行规律。针对现有浮动车地图匹配算法在浮动车数据采样率较低时错误率较高的情形,本文提出一种全局投票地图匹配算法。该算法在浮动车GPS轨迹数据的基础上,考虑道路网络的拓扑结构和不同距离的相邻的GPS轨迹点对地图匹配过程的影响,在低采样率的数据输入能够取得较高的准确率。最后,针对浮动车本身的波动特性,本文在分析交通流信息中三大参数之间关系的基础上,提出一种考虑加权的路段平均速度估计模型,模型避免了浮动车数据的波动性和少量异常数据对路段平均速度的错误影响,得出更能反映道路使用情况的路段平均速度。