国内外学者和机构对于出租车GPS终端提供的GPS数据的应用和处理不尽相同，学者和研究人员在国内主要通过测绘学专业知识以及GIS专业方面相关知识研究获得的GPS数据和实际地图的精准匹配。更多的国外学者则着眼于将智能交通系统获得的GPS数据应用到解决实际问题中去。87440

1  国内研究现状

在我国，和出租车GPS数据有关与利用GPS动态浮动车法分析城市交通运行特性的研究起步相对比较晚，但是有些城市交通专业领域方面的学者取得了一些令人满意的成果，如赵淑芝等学者通过对构造居民出行方式选择相应的效用函数，来分析城市居民出行行为的时间价值[3]；赵一斌等研究人员则提出了一个基于城市交通空间、时间和序列特征的出行行为理论分析框架[4]。以上这些研究大多数采用传统居民出行行为研究方法，例如采取问卷调查的方法，但是这种方式不仅需要耗费大量人力和物力以及花费更多的时间，而且这种方法的成本较高，另外因为受到调查空间和时间的限制，使获得的调查结果不够精确，结果分析计算以及后面的估计预测也比较繁琐。现已经出现了大量利用出租车的GPS终端提供的GPS大数据来分析城市的公交网络系统、居民OD行为，但是用GPS数据来分析城市的整个城市道路网络的交通特性现在做的还是较少。

（1）通过对动态浮动车法GPS 数据的采集来对道路状态进行监控估计

来自同济大学的童小华阐述了自己的成功模型：实验条件是要在大的样本数据和较长的时间周期的情况下（车辆数目通常在5k-50k辆之间，周期时间间隔一般在2min-8min之内），要在GIS的模拟环境下，通过动态浮动车法采集GPS数据，然后对这些获得的数据进行相应的仿真，进而估计和计算车辆的平均行程时间。再根据就算出来的平均行程时间与每天实际测得的路段平均行程时间做出相对应的比较。童小华等学者的数据模型被一次次实验成功的验证。

来自东南大学的黄玲和徐建闽等学者则提出了这样的理论模型：采用城市道路网络的静态的拓扑方法，根据相对应的多重模糊推理理论，对出租车提供的GPS数据进行实时的采集，并做分析处理，从而对浮动车进行实时的交通信息的监控。进一步对道路发生交通事故的概率，道路拥挤的系数做出相应的预测，根据计算得到的结果得到一个新型的动态实时交通监控的方法。根据每次的实验结果，验证了该理论模型的成功性，该理论模型也能达到较好的预测效果[5]。论文网

国内交通专业方面研究学者张和生在中南大学也提出了较为成功的理论模型：主要着眼于出租车GPS数据的修正，根据出租车（浮动车）GPS数据筛选后所获得的实验数据来计算所得数据的平均值，再根据计算得到的平均值来估计大样本数据的路段平均行程时间，并把计算得到的数据结果作为基础，估计上衣数据结果的其置信度及置信区间。该理论研究模型利用了出租车GPS数据分析结果估计城市交通流参数与实测交通流参数进行对比，结果在误差允许范围内是合理的。该理论模型同样在多次试验中验证了其成功性，在实际应用中即可利用此种方法进行估测计算路段平均行程时间从[6]。

（2）将出租车GPS数据利用在城市交通运行特性个居民出行行为特征的研究上

国内的研究学者李艳红等人通过对某城市的出租车GPS数据的采集，对浮动车地理位置分布的时空热点区域进行了研究。构建了出租车出行时间分布模型[7]。

来自同济大学的童晓君等学者则利用出租车GPS数据分析居民OD状况，对周末以及假期条件下和正常工作日的居民出行数据分别进行了对比。验证了其提出的理论模型的成功性[8]。 智能交通系统获得的GPS数据应用国内外研究现状:http://www.youerw.com/yanjiu/lunwen_137336.html