在过去的三十年中,我国的经济飞速发展。与此同时,面临的交通拥堵问题也日益突出。交通拥堵不仅影响出行质量,还容易造成交通事故、能源浪费,不利于社会的可持续发展。如果可以掌握实时的交通状态,及时采取交通诱导措施,就能在一定程度上避免交通拥堵的发生。为收集交通信息,高速公路已经广泛安装了道路检测器,如线圈检测器、视频检测器、红外检测器,但这些检测器都存在一定的弊端,例如,维修成本高、实时性差等。随着GPS技术的迅猛发展,浮动车作为一种新兴的数据采集方式已经广泛应用在交通领域。本文借助GPS浮动车数据建立了交通量预测模型,使获得实时的道路交通信息成为可能。本文首先介绍了国内外GPS技术的发展以及几个应用广泛的交通量预测模型。通过分析以往交通量预测模型的优劣,确定借助GPS数据和交通流理论来建立预测模型。其次回顾了高速公路上反映交通流状态的三个重要参数,并对所研究的高速公路进行简单建模。建模过程主要是根据匝道位置划分路段,确定路段上检测器的位置。数据分析主要是对检测器检测到的交通流数据进行处理,对错误数据进行筛选并利用K-Means算法对数据进行聚类分析。最后,根据速度-密度模型对各路段交通流参数进行标定,确定各个路段的速度-密度关系式。然后详细介绍了高速公路交通量预测模型的计算流程。基于两相邻浮动车的轨迹数据、速度数据,借助交通流理论建立以速度估计值误差最小为目标函数的非线性规划函数,此函数求得的最优值即为两浮动车间所夹的车辆数。利用求得的车辆数计算路段平均密度最终得到路段上的累计交通量。此部分为本文的核心部分。最后,利用VISSIM仿真平台生成浮动车数据并将数据输入到交通量预测模型中进行验证。通过将模型预测的交通量与各路段实际的交通量进行对比发现,模型的预测结果符合实际的交通变化趋势。在与根据速度密度模型建立的简易预测模型对比中发现,本模型的估计值更接近真实情况,预测效果相对较好。