高速公路行程车速是进行高速公路交通状态识别、行程时间估计、交通事件检测和交通协调控制的基础数据,可以为高速公路规划、运营管理、实时控制和构建出行信息数据库提供数据支持。随着GPS设备的普及应用,研究基于GPS浮动车的高速公路行程车速估计方法可以丰富高速公路交通调查技术,为高速公路管理者和用户提供更高质量的行程车速信息。　　 考虑高速公路管理者和使用者对能在时空二维上实时覆盖全部高速公路路段的动态行程车速信息的需求,以及GPS浮动车数据来源的变化趋势、GPS位置数据向低采样频率发展以及总体抽样率不够高的特征,论文旨在分析GPS浮动车数据特点的基础上,构建适应高速公路几何特征和GPS浮动车采样频率的地图匹配算法,结合高速公路动态交通流理论提出基于GPS浮动车的高速公路行程车速估计模型,形成检验基于GPS浮动车数据的高速公路行程车速估计值质量的综合评价方法。　　 首先对高速公路既有车速检测方法进行了比较研究,综合分析各种方法的优缺点以及可获取的检测参数。比较结果显示GPS浮动车检测技术具有能够检测研究区域所有路段的连续信息,信息完备性好的优点。研究了GPS浮动车检测技术的系统构成,GPS浮动车与控制中心之间的通信方式,以及不同检测精度要求下对应的GPS浮动车抽样数标准。提出实际应用中浮动车抽样数受资金等因素约束较强属于不可控参数,对可获取的浮动车抽样数所能达到的置信度水平进行了研究并给出对应的置信度标准查询表。　　 采用Planner和基于Oracle Spatial技术的空间数据模型,研究了道路空间数据库、道路网络数据库和GPS位置数据库的创建、存储与分析查询,并探索了GPS数据预处理技术。将车辆行驶轨迹概念引入高速公路地图匹配过程,即地图匹配的核心过程是找出对象浮动车在特定时间和空间内的行驶路径。提出了一种基于空间数据模型的地图匹配模型。模型选取Oracle道路网络模型对海量GPS位置数据和高速公路之间的空间关系进行分析,建立了可有效寻找GPS位置点之间合理候选行驶路径的N-最短路模型,并用模糊逻辑模型进行浮动车行驶路径匹配的判断,通过投影确定特定时刻浮动车所处的空间位置。　　 从行程车速在相邻时间窗口和上下游路段之间的时空关系以及连续流模型两个层面研究了高速公路动态交通模型。GPS浮动车检测技术所不能直接获得的模型输入参数通过速度、密度和流量基本关系模型计算获得。基于动态状态-空间模型和上述高速公路动态交通模型构建了三种高速公路行程车速估计模型,并分别采用标准卡尔曼滤波和扩展卡尔曼滤波对模型实现上述算法。　　 提出了衡量地图匹配算法和行程车速估计模型准确程度的评价方法和指标。对地图匹配模型所得结果的评价方法主要分为随机抽样检查法和速度比对法。行程车速估计值的评价主要从准确性、可靠性和时空覆盖率这三个方面进行相应的指标选取和标准的制定。为从出行者体验角度来评价行程车速估计值的质量水平,提出使用报告率这一指标来评价行程车速估计值的数据质量。　　 构建了应用测试平台并以实地采集的数据对论文所提算法进行了检验。测试结果显示地图匹配模型的正确匹配率达到98.6％,三种行程车速估计模型的准确性也达到A级标准,时空覆盖率达到100%,准确报告率和误报率分别可达86.5%和13.5%。实验结果表明论文所提算法可以在低采样率、较长采样周期和具有复杂几何特征的高速公路网背景下高效准确地处理海量GPS浮动车数据,并得到较高质量的行程车速估计值。