当今社会，汽车是方便人们出行必不可少的元素。当大量车辆涌入道路，交通拥堵则不可避免。人们引入智能交通中路径规划来缓解日益严重的交通拥堵，然而现有的路径规划方法所依据的都是复杂路网模型，这些模型考虑过多道路通行信息，且信息采集繁琐、精确度不高，规划的路径有可能使交通陷入“二次拥堵”，不能满足出行者要求。新近，有研究针对城市交通应用需求提出了一种简化路网模型，并完成了许多基于该模型的智能交通应用研究，该模型仅要求采集很少的道路通行信息，却能间接的反映（通过计算）道路转弯延时、通行速度、红绿灯和斑马线等复杂因素对车辆通行时间的影响，具有要求采集的道路数据少和简单实用的特点。道路行程时间采集是大力发展城市智能交通应用的重要基础。本文针对基于简化路网模型的道路行程时间采集新方法展开研究，主要研究工作如下：①提出了一种基于GPS终端的实时路况信息采集方法，可为简化路网模型提供实时数据。首先，设计了类似浮动车的装置GPS终端，用于承担GPS信号采集、地图匹配及道路行程时间计算，并只将道路行程时间等道路信息传输到服务器端；其次，在服务器端接收这些信息，并通过设计的相关计算实现了定时更新路网信息。②提出了一种复杂度低、实时性好、匹配准确率高的综合地图匹配方法，为采集数据的有效性和精确性提供保证。该方法综合基于权重度量值和曲线拟合的地图匹配思想，并结合路网拓扑信息，提供实时准确的车辆位置信息，可应用于车辆监控、实时交通信息采集、车辆导航。还提出了车辆位置相关的弧投影算法和GPS信号无效时的航位推算算法。③针对上述提出方法，编写和开发了较完整的数据采集原型系统，并开展了反复试验，验证了上述提出方法的准确性、高效性和可用性。本文提出的实时行程时间采集方法，可基于简化路网模型为城市提供实时、准确、有效的道路通行时间数据，对研究城路况监控、车辆导航，以及为百姓提供智能交通信息服务等相关应用系统，具有很好的学术和应用参考价值。