目前,日益严重的城市道路交通拥堵、空气污染和交通事故频发等问题已经成为一个城市健康发展的严重阻碍。利用车载GPS定位装置获取的实时道路数据与城市交通路网信息相结合从而获得实时交通状况,进而为人们提供更好的交通信息服务,已经成为目前解决交通拥堵等问题的一种有效手段和途径。论文围绕如何基于低频车载GPS数据进行实时交通状况估算问题展开研究,重点研究了基于出租车GPS数据的道路交通速度估计、短时交通速度预测以及基于流计算的面向大规模交通数据流的实时处理等问题,本文的主要工作和成果体现在如下三个方面:1)针对出租车GPS数据与电子地图的相应位置精确匹配问题,设计了一种基于条件约束、反向检查机制的实时地图匹配算法,进而针对出租车GPS数据采样时间间隔长及其运营特性问题,提出了一种有效数据获取方法和低采样频率下的道路速度计算方法,其特点是在较低的GPS采样频率下能够实现对交通状态较为准确的估计。2)基于非参数回归的短时交通预测模型,针对如何提高和改进其近邻搜索效率和精度问题,提出了一种基于速度变化趋势和密集度的变K近邻精确搜索算法,进而根据该算法进行了样本数据库设计并进行了实验验证,结果表明该算法在搜索效率和预测精度方面具有明显的改善。3)在上述研究基础上,针对大规模GPS数据流实时处理问题,基于流计算技术,设计实现了一个基于实时流计算平台Storm的交通速度估计与短时预测框架,将交通状况估算与实时流计算机制有机地结合起来,从而能够为大规模GPS数据流的实时处理和交通状况预测提供有效支持。