道路交通拥堵是燃油利用率低,资源浪费的主要原因。准确估计道路交通状况、定位交通拥堵是减少人们出行时间的重要一步,也是智能交通系统中的重要课题之一。目前已有的路况估计方法主要有三种,分别是基于路边固定单元,基于无线探测与定位和基于车载GPS定位与通信。感应线圈,RFID射频卡等路边固定单元,车载定位与通信模块安装和维护费用高,覆盖率低,利用基站的无线探测与定位受移动网络影响严重,都不能很好地实现路况估计。随着智能手机的普及,利用手机集成的GPS定位作为交通探测器得到广泛关注,使用从司机的手机中获取的GPS信息监控交通,开辟了交通状况估计的新途径。论文将构建基于智能手机GPS定位功能的路况估计系统架构。首先,对单车LATT (Link Average Travel Time,路段行程时间)的估计算法进行探索性研究,使用三次埃米尔特插值算法,提高车辆通过路段端点时刻的估算准确性。其次,由于同类型车辆具有相似的运动特征,充分考虑单车对路段平均速度的贡献,采用权重法对单车路段平均速度进行融合得到同类车辆的路段平均速度。再次,不同状况下,路段平均速度与车辆的平均速度映射关系复杂,鉴于此,引入RBF (Radial Basis Function,径向基函数)网络,以同类型车辆路段平均速度和不同类型车辆数目的比值作为输入计算路段平均速度。最后,介绍了表征道路交通状况的重要参数,针对手机GPS数据获取量较小的情况,引入速度密度互推导算法构建新的路况估计模型。实验结果表明,三次埃米尔特插值算法、同类车辆平均行程速度融合算法、RBF神经网络法，都降低了相应参数的估计误差,提高了系统对路段平均速度的估计准确性。此外,在低渗透率下,基于速度密度互推导算法构建的补充方案,对于降低路段平均速度和车辆密度的估计误差也有明显效果。