随着全球行业飞速发展,机动车保有量逐年增加,使得交通拥堵问题越来越严重。为了缓解交通拥堵问题,旨在为出行者提供精准实时路况信息,大量的研究集中于交通路况判别和短时预测。GPS技术的快速发展使得浮动车GPS位置的获取成本降低,并且有较高精确度。因此,基于浮动车GPS信息的路况判别和短时预测是很好的研究和应用方向。本文基于浮动车GPS定位,估计路段平均速度,根据路况等级划分标准,将实时路况判别和预测信息提供给出行者。本文的研究包括GPS数据的获取以及预处理方法,单车估计,路段平均速度的估计,交通拥堵自动判别算法的提出,并且根据实例结果证明算法的有效性和路段划分的必要性,以及根据粒子群算法的特点改进小波神经网络,将其用于短时交通预测,通过实验结果对比说明基于粒子群算法改进小波神经网络优于普通的小波神经网络。本文充分结合浮动车的行驶特点,提出城市道路路况的交通拥堵自动判别算法和基于粒子群算法改进的小波神经网络,它的提出大大增加了通过浮动车数据进行路况速度估计和路况判别,预测的准确性,并且采集大连市黄浦路实际交通数据,通过实例分析,实验结果显示出算法的有效性。为出行者提供精准实时路况信息,对缓解交通拥堵问题具有重要意义。