随着城市交通拥堵问题的加剧,交通问题越来越受到人们的关注,相关的研究也与日剧增,如何解决城市交通拥堵问题成为了一项重要的研究课题,其中有关交通拥堵传导机理的研究有利于交通管理者建立城市道路拥堵扩散预警防治机制,制定更为科学合理的交通疏解方案,提高城市的交通控制和管理水平。传统的交通调查手段难以全面掌握城市道路网络交通的实时状况及动态变化,不利于对城市道路拥堵的传导机理和演变规律等研究。本文从交通大数据的角度出发,将浮动车数据应用于城市路网道路交通拥堵状况的实时识别并初步探究了城市道路交通拥堵的传导机理。本文的研究主要包括以下几个方面:(1)针对大规模出租车GPS数据完成地图匹配难度较大的情况,采用了基于拓扑关系的地图匹配思想,提出了一种基于GIS的快速地图匹配技术手段,可快速完成地图匹配工作,减轻GPS数据处理的工作量,降低了出租车GPS数据应用分析的门槛。(2)根据出租车GPS数据的特征选取了路段平均行程车速作为道路交通拥堵评价指标,并结合相关研究给出了其计算方式。结合路网道路交通运行特性改进了K-MEANS聚类分析算法,将其用于道路交通拥堵评价指标阈值的计算,使得道路交通运行状态的划分更加的科学合理。(3)采用了定性分析和定量分析相结合研究手段,对道路交通拥堵的传导进行初步探究,首先通过定性分析,揭示了道路拥堵传导的成因,梳理了拥堵传导周期中不同阶段的道路交通状态变化,分析了拥堵传导时相关路段的交通特性;然后结合实时识别的道路交通拥堵结果完成定量分析,根据道路交通拥堵的时空变化,识别路网当前状态下的所有交通拥堵传导事件,给出了路网中路段交通拥堵预测传导路径的搜索方法,并验证了该方法的正确性。本文的主要内容为基于浮动车数据的交通拥堵传导机理研究,文中首先运用了GIS技术完成了出租车GPS数据得快速地图匹配,然后应用聚类分析的手段计算道路交通拥堵阈值指标,用于道路交通运行状态的识别,最后采用定性分析和定量分析相结合的方法,研究了城市道路交通拥堵的传导机理,提出了道路交通拥堵传导事件的识别算法,建立了道路交通拥堵传导路径的搜索规则,提出了合理的道路交通拥堵传导路径的搜索算法,并验证了算法的合理性。文中研究成果为交通拥堵传导分析研究提供了一定的新思路,为城市交通管理部门进行交通管理、制定交通疏解方案提供科学有效的决策支持。