在城市路网中,城市私家车的出行轨迹包含着丰富的交通出行信息。通过对城市私家车出行轨迹的分析,人们能够得到丰富的城市路网交通信息,进而为政府或者交通部门收集到有价值的交通信息提供了新思路。然而,由于城市私家车用户的隐私性,只有很少一部分的用户会共享自己车辆的精确位置信息,大部分城市私家车的轨迹信息只能通过稀疏的道路卡口监控数据获取,仅仅依靠稀疏的道路卡口监控数据来恢复城市私家车的精确轨迹是很难实现的。截至目前,还没有一个适当的算法来解决城市私家车轨迹恢复的问题。现有的一些车辆轨迹恢复算法都是通过车辆的历史轨迹数据去挖掘潜在信息,进而恢复车辆的轨迹,但是由于车辆的历史轨迹数据包含的信息不够充分,因此轨迹恢复准确率往往不能满足现实生活中人们对于轨迹恢复准确率的要求。基于上述的分析,本文提出了一种基于群智感知技术来恢复城市私家车轨迹的解决方案。首先,论文通过挖掘历史的稀疏道路卡口监控数据和少量带有在线远程信息处理系统车辆的精确轨迹数据,对研究区域内道路的交通模式进行了分析,并使用指数分布对道路的通行时间进行建模。然后,论文采用Canopy-Kmeans聚类算法对城市私家车的稀疏轨迹进行了聚类,聚类的结果优化了道路的通行时间模型,为后续提升城市私家车的轨迹恢复准确率打下了基础。最后,提出了一种数据包效用值最大算法来传输车辆上存储的数据包,当车辆经过Wi-Fi数据包上传点所在的路口时,Wi-Fi数据包上传点会将这些数据包收集起来并传送到后台的综合数据分析平台上,通过综合数据分析平台对收集到的数据进行分析挖掘就可以得到全部城市私家车的精确轨迹信息。论文采用真实世界中的历史数据来完成仿真实验并评估了实验的效果。首先,论文采用了 2016年4月1号到2016年5月30号苏州市工业园区所有的道路卡口监控数据以及少量带有在线远程信息处理系统车辆的精确轨迹数据来进行仿真实验并评估实验的效果。然后将论文提出的基于数据包信息效用最大化的数据传输算法与先进先出算法、数据包剩余寿命算法以及PhotoNet算法进行了对比分析。实验结果表明,与其它三种常用的数据传输算法相比,论文提出的基于数据包信息效用最大化的数据传输算法实现了更高精度的轨迹恢复。