● 摘要
随着手机使用的日益普及，把蜂窝手机作为探测工具来追踪高速公路上行驶的车辆进而获取道路交通状况的技术受到越来越多的关注。在最近几年，国内外的专家、学者不断地提出相关的处理方法。然而，在出行模式难以识别、交通状态难以判别的复杂环境下，这些方法存在着准确率低的问题，难以满足交通管理和应用的需求。
为了改善智能交通系统（ITS）的服务质量，在针对现有方法的优缺点进行深入分析之后，基于复杂环境下手机信令数据的特征，本文设计并实现了路况信息处理系统。本文主要成果包括：
(1)分析在高速公路上机动车行驶的一般规律，并总结异常的出行轨迹特征，提出了针对异常出行轨迹数据的预处理方案；
(2)在分析不同出行模式的手机用户移动速度值分布之后，确立了速度值分布的簇集个数，提出了使用KMeans算法进行聚类，通过研究聚类后的簇集与来自浮动车（Floating Car）技术提供的标准交通流速度之间的关系，提出了机动车出行模式簇集的选择方法，有效地解决了复杂环境下出行模式的识别问题；
(3)在微观层面上分析交通状态判别的本质，结合原始的Kalman滤波算法，提出了基于交通流速度值历史发展变化趋势的算法优化，有效地解决了复杂环境下交通状态判别的问题；
(4)设计并实现了一个面向复杂环境的手机信令路况信息处理系统；
(5)以真实的北京市手机信令数据作为测试数据，以利用浮动车技术提供的交通流速度作为标准的交通流速度进行系统测试，并且与现有的其他两种经典算法作比较，实验结果表明，本文实现的系统具有可行性、较高的准确性和优越性，能够为公众提供优质的交通信息服务。