智能交通系统提供了电子地图、行程规划、资源调度等便捷、安全、高效的城市服务。利用传感器收集的海量数据可以进行交通流量分析、路径规划、异常检测、客流分析等一系列研究。在众多研究中,对路面车辆进行实时异常状态检测是确保城市交通秩序正常与乘客安全的重要途径,但是密集的路网和复杂环境使得现有异常检测算法精确度较低或误警率过高。因此,利用车载传感器研究准确高效的车辆异常状态检测方法,对于保护城市交通安全和乘客利益具有重要的意义和应用价值。本文主要对出租车异常状态检测过程中涉及的相关技术进行了研究。主要研究内容如下:(1)针对城市复杂环境下车辆GPS数据缺失原因多样化的问题,将生存分析应用于轨迹缺失领域,进行了针对GPS轨迹缺失的异常数据生存分析的研究。通过实验证明生存分析算法可以对城市中车辆GPS轨迹缺失事件进行有效分类,根据不同轨迹缺失原因采用不同补全方法,有利于提高轨迹补全的效率与准确性。(2)针对现有异常行驶轨迹检测算法误警率过高的问题,本文研究并设计了基于Spatial-Temporal Isolation的实时异常轨迹检测算法,采用路线和时间的双窗口对输入轨迹进行异常度判断,并实时反馈异常子轨迹与异常度,实验结果表明使用双窗口进行异常检测在满足实时反馈基础上,能有效提高检测准确度,准确度可达99%以上。(3)在上述研究基础上,编码实现了核心功能模块,设计并初步实现了出租车异常状态检测系统。使用真实出租车GPS数据集对该系统进行测试实验,结果表明,本文设计的出租车异常状态检测方法能够有效解决城市复杂环境下误警率过高的问题,并且能够实时反馈异常子轨迹和异常度。