车牌识别数据是一种海量的、覆盖率高并且兼备时空特性的数据,从车牌识别数据中可以获取在城市道路网上行驶的绝大部分车辆的出行信息,以便城市交通管理者更为深入地了解车辆的出行规律以及在各地区的集聚情况,从而更有针对性地提出相关的管理措施、制定合理的机动车发展策略,以缓解由机动车保有量大、城市人口多、土地资源匮乏等原因而给城市带来的交通拥堵和生态环境压力,全力推进建设公交都市,实现城市交通可持续发展。本文提出了一个基于车牌识别数据处理的技术流程:1)首先对车牌识别数据进行预处理,然后按照车牌号码和时间按顺序排列构成车辆出行轨迹,再通过差值法和间隔法来确定车辆的行程时间阈值T对车辆出行轨迹进行拆分,将出行轨迹拆分为若干条子轨迹,从而获取车辆个体单次出行信息;2)对本地车、网约车和外地车的出行时间特征、出行次数、出行距离和出行时间等进行分析;3)以街道为单位,获取各车辆的OD矩阵数据,从车流量和车流向两个角度出发,通过吸引量法和最大优势流法来研究本地车、网约车和外地车的集聚水平;4)在综合目前国内外交通成本估算理论和方法的基础上,将小汽车出行成本分为个人成本和社会成本两大类,包括车辆使用成本、出行时间成本、出行者身体损耗成本、道路设施成本、交通拥挤成本、环境污染成本和交通事故成本7个部分,然后根据小汽车出行的特点,分别对这7个部分的成本计量方法进行改进,建立了小汽车出行成本估算模型。最后,以深圳市为例,对本地车和网约车的出行成本进行估算。结果显示,2018年深圳市本地车和网约车的总出行成本中的个人成本较为接近。