应用云计算技术解决交通领域的问题是当前技术研究的一个热门趋势。在交通领域中，由遍布城市道路各个角落的检测器和浮动车采集的数据是海量的，且具有覆盖范围广、信息量丰富等特点，非常适合于应用大数据技术进行挖掘和实时分析工作。在城市交通大数据技术中，利用浮动车GPS数据，进行路段行程时间的实时计算和道路拥堵状态的评价，可以为基于实时路况的路径规划、行程时间预测、道路拥堵预测等研究提供数据基础，可将有助于交通监管平台和居民及时了解当前道路交通参数状态，提前规划出行时间和出行路径。

本文主要研究了应用云计算技术处理海量浮动车GPS数据，计算城市路段行程时间和交通状态评价的方法和实现流程。本文通过对GPS浮动车地图匹配技术的研究分析，提出了适用于海量数据计算的地图匹配改进方法和具体实现流程；通过对行程时间估算方法的研究，提出了一种改进的少样本估算方法，同时探讨了在Storm云平台的具体实现技术；通过对交通拥堵评价的研究分析，给出了一种基于路段行程时间的简易评价指标，同时研究了在云平台下的实现方案。

本文所完成的研究工作主要如下：

（1）系统研究了GPS浮动车技术中的基础技术—地图匹配技术的主要原理和方法，分析了当前主要地图匹配方法的优点和不足，提出适用于实际大数据应用的基于权重的改进匹配方法。为解决大量数据实时处理中的匹配效率问题，提出GIS路段划分方法、四网格匹配法、权重计算方法优化和利用路网拓扑结构的待匹配路段筛选方法，同时给出了具体细节技术的实现流程。

（2）研究分析了城市交通路段行程时间估算的主要方法，在考虑实际应用中的情况并总结各方法优劣后，提出综合时间插值法和速度-时间积分法的改进方法：基于运行时刻和运行速度的少样本估算方法。同时在路段行程时间的估算的基础上提出了一种新的简易拥堵评价模型。

（3）研究设计了路段行程时间实时估算以及道路拥堵评价方法在云平台中具体算法流程和实现方案，同时应用Storm云平台进行了实际的程序开发和应用。

关键词：云计算，GPS浮动车，地图匹配，行程时间估算，拥堵评价