城市交通是人类生存活动中不可或缺的构成部分,与人们的出行活动密切相关,对城市的发展以及居民生活水平的提高有着重要的推动作用。快速增长的国家经济以及不断扩大的城市人口规模,使得机动车保有量长期处于增长状态,现有的路网规模已经满足不了日益增长的交通需求,交通拥堵的现象愈发突出。为合理利用现有资源,很多城市开始建设以浮动车数据为基础的智能交通信息平台,实时反映道路交通运行状态、准确地为出行者以及城市交通管理者提供出行参考及决策支持。而高质量的交通管理与控制依赖于高质量的数据,实时准确的交通数据是智能交通信息平台有效发挥其应用功能的重要保证,从实际浮动车采集系统中获取的数据不可避免地存在丢失、错误、冗余等质量问题,因此,对于浮动车数据的筛选与修复处理是后续分析应用工作得以实施的基础,是智能交通信息平台成功实施的关键。文章基于对国内外相关现状的讨论,分析当前浮动车数据筛选与修复的需求,重点讨论了适用于浮动车数据筛选与修复的规则和方法,包括基于阈值法和逻辑判断的异常数据识别方法、基于时间序列的数据修复方法、基于统计方法的数据修复方法、基于地图匹配的数据修复方法。在此基础上综合常用修复方法的优点,提出了基于均值预测与地图匹配的数据修复方法,并以北京市出租车轨迹数据作为研究对象对方法进行有效的实例验证。