随着城市化进程的不断深入和发展,城市交通问题也变得日益严重,而利用智能交通系统(ITS)来统筹管理城市地面路网的交通状况,是解决这一问题的有效方法。作为智能交通系统的重要组成部分和关键子系统,交通流分析系统能够对各种传感器收集的实时交通数据进行处理并估计出当前路网的交通状态,这也是交通预测、交通监控以及车辆诱导等智能交通管理系统运行的基础。随着技术的不断进步,全球定位系统(GPS)已经被广泛的应用于出租车以及其他车辆上,这使得利用这些装载GPS系统的探测车来收集实时的交通信息成为可能。GPS数据包括了探测车的位置、瞬时速度以及行驶方向等信息,具有覆盖广、易采集等特点,因而成为获取城市路网交通流实时信息的理想途径。最近几年,很多研究者都提出了基于GPS和GIS信息融合的交通流分析算法,其中比较重要的算法包括曲面拟合法以及路径跟踪法。基于曲面拟合的交通流分析算法以单个独立路段作为研究对象,利用了车流速度在路段上的时空分布规律,对分析周期内采集的GPS数据点进行曲面拟合以逼近真实的速度分布曲线。同时使用最小二乘法来求解模型的参数,并定义了一个基于时间和空间的路段平均速度来作为衡量道路状态的指标。紧接着,我们还进一步分析了基于拟合算法的GPS数据点最小采样量,以及整个城市路网的探测车最小需求量,其中一个关键因素就是由探测车类型及其比例所决定的探测车平均采样频率,采样频率越高,那么整个路网的探测车需求量就越小,并且以上海市内环路网为例,具体分析了全天各个时段的探测车实际需求量。基于路径跟踪的交通流分析算法利用了同一辆探测车在相邻采样时刻的位置之间具有的空间连续性,使用A*启发式搜索算法来确定探测车的最可信行驶轨迹,该轨迹综合考虑了路径的行程距离以及所经过的交叉口数。在将路径平均速度转换到路段平均速度的过程中,给予路径平均速度以相应的置信因子,通过求取加权平均值的方法计算路段的平均速度,作为交通状态的衡量指标。最后,我们利用上海市真实的海量交通数据进行实验以对两种算法的性能进行验证。实验的真值是采用人工视频观测的方法,对上海市市区的24条典型路段分析获得的,实验的其他数据还包括了上海市地面路网的详细地理数据以及海量的GPS采样数据。通过实验分别对两种算法的准确性以及运行效率进行了验证。实验结果显示,跟踪算法具有较高的估计准确性,但是也需要更大的时间开销,因此在进行算法的选择上,需要根据具体的应用环境来确定。