如何快速准确的实现车载定位是现代智能交通系统所要研究的一个重要问题。通常情况下，机动车的定位可以分为两个阶段。第一个阶段是初步定位阶段，即通过卫星或者无线网络采集车载位置信息；第二个阶段是滤波估计阶段，即采用合适的滤波算法对车载位置信息进行滤波。本文的目的就是研究合适的滤波算法，然后利用该算法对初步定位阶段获得的车载位置信息进行滤波以提高车载定位精度。为了提高定位精度，本文利用车载行驶位移信息作为观测量的一项，建立非线性统计的车载运动模型。无迹卡尔曼滤波算法能够适用于非线性系统，且定位精度高，计算复杂度低，因此本文采用无迹卡尔曼滤波算法作为基本定位算法。交互多模算法作为一种自适应算法，能够很好的适应系统状态变化，这是无迹卡尔曼滤波算法所不具备的功能。因此，为了解决车载运动状态突然发生变化时定位误差增大的问题，本文将交互多模算法和无迹卡尔曼滤波算法相结合，进一步提高了车载定位精度。通过仿真实验结果可以看出，交互多模无迹卡尔曼滤波算法的定位精度相较于无迹卡尔曼滤波算法的定位精度有显著的提升，在本文所考虑的运动轨迹范围内，这种提升效果能达到20%左右。交互多模无迹卡尔曼滤波算法作为一种优化算法，为提高车载定位精度提供了借鉴。