近几年来,基于LBS技术的高速发展产生了大量轨迹数据,它能够为交通态势感知,智慧城市建设等提供良好的解决方案。传统的交通状况监测一般通过传感器来获取信息,但是传感器通常无法覆盖全部道路网络,而且易受物理因素影响,维护成本较高,导致大多数交通状况监测系统所收集的数据不完备,可用性较差。本课题从路网轨迹数据入手,采用时空众包技术丰富轨迹数据,对路网交通现状进行感知并预测未来趋势,提高交通监测质量。为了实现对路网交通态势的准确理解和预测,采用具体的众包策略来丰富可用轨迹数据:一方面,由于众包任务区域有限,通过速度预测技术估算未被观测到的路段的速度,提出基于相似交通趋势速度预测方法,判断交通状况;另一方面,由于不同区域的交通环境差异巨大,拥塞状况瞬息万变,提出基于元路径拥塞模式预测移动对象未来位置的方法,为交通决策调度提供依据。本文的主要贡献是:1、提出根据相关道路具有相似交通趋势理论预测交通速度,选取种子路段并根据交通趋势计算交通速度,提高了速度预测的准确性;2、提出基于元路径的拥塞模式挖掘方法,提取元路径的拥塞特征,采用聚类算法填补特征矩阵空缺值,从更细粒度捕捉拥塞变化规律;3、基于拥塞模式的位置预测方法,对移动对象的运动建模,基于挖掘出的拥塞模式实现准确,高效的位置预测。设计了基于时空众包的城市交通态势感知系统,通过相关实验证明本文提出方法的可行性和有效性。