从手机定位数据中获取道路交通信息是近几年的一个研究热点,相比于定点检测器和GPS技术,基于手机蜂窝网络的移动定位技术无需任何高额的安装与维护费用,不需要对终端进行升级和改造,具有投资少、海量数据、全天候采集等特点,并且,采集到的交通信息遍及整个路网,而不是仅局限于预定的地点。手机蜂窝移动定位技术是一种不依赖于GPS的无线导航与定位技术,具有广阔的研究和应用前景。然而手机定位数据中包含较多的“乒乓切换”数据以及较长时间内未进行位置改变的非运动数据,并且,手机定位数据具有采样间隔大、随机性强、定位精度低等特点,不利于道路网的匹配以及路段行程车速的计算。因此,如何从大量的手机定位数据中提取出有用的交通信息,例如行程车速,是当前急需解决的问题。本文回顾了手机定位数据用于交通信息采集的研究意义和国内外研究成果,并介绍了GSM无线通信网络、无线定位技术、智能交通系统、居民出行OD调查、空间数据挖掘、聚类分析方法及路径搜索算法等相关理论基础。以某城市若干用户的手机定位数据、GSM基站数据以及交通道路网数据为基础,在对以上数据进行预处理的基础上,首先创建了与每一个基站相对应的泰森多边形来表示GSM基站信号的大致覆盖范围,提出了一种基于空间位置关系的手机定位数据的非运动数据聚类剔除方法,结果表明：该聚类方法可以有效地剔除非运动的噪音数据。随后,以若干具有一定出行规律的手机定位数据为研究对象,提出一种根据历史数据重建手机用户出行轨迹的方法,该方法使用大概率样本统计法,提取采样率大的定位小区,对有向路段进行加权叠加赋值,结合改进的大概率最佳路径搜索算法(IHPOPA),重建手机用户的出行轨迹,计算途经路段的行程车速,并与GPS浮动车数据进行比较。实验结果表明：计算所得路段行程车速的相对误差在15%以内。最后,对全文的研究工作和研究成果进行了总结和展望,提出了今后的还需要进一步研究和解决的问题。