目前ITS系统中交通状态的数据来源主要是线圈检测器、超声波检测器、红外检测器以及视频检测器等传统的固定检测器。这些检测器存在的分布范围有限性和设备故障等固有缺陷导致了部分交通信息的缺失,传统检测器难以完整准确地反映城市道路的交通状态。利用GPS数据解决这些难题是一个较好的研究方向。本文研究的主要内容有分析GPS数据的误差来源,通过差分法对这些误差进行校正之后进行地图匹配,有效地提高了匹配精度。栅格索引法的使用使得匹配速度得到极大地提高,地图匹配算法的实时性得到了保障。在计算区域交通状态时,传统检测器分布范围有限等缺点使其难以准确的对区域交通状态进行反映,而GPS数据分布位置不固定的特点,因此更适合反映区域的交通状态。本文采用的圈分法将车辆GPS定位点匹配到相应的交通区域内,通过计算得到的速度分布曲线符合常规的速度曲线。本文还利用地图匹配后的GPS数据获取路段的交通状态,采用的是旅行时间法。计算结果表明该方法更接近线圈检测器所得到的交通状态曲线。此外,本文在定义路网数据结构模型等基础工作方面也作了一定的研究,一方面,该模型在设计时考虑了以上算法的实现要求,所定义的数据结构能够很好地兼容差分法、圈分法以及旅行时间法等算法。另一方面,该模型具有较好的可扩展性,能够满足将来更加复杂的功能扩展。本文依托于国家科技支撑计划课题“奥运电动汽车示范运行与技术保障”项目,所使用的GPS数据为2.8万辆浮动车数据,数据量较大,具有较好的代表性,能够保证本论文中算法计算结果的准确性。