随着互联网的飞速发展,人们迫切希望获取一种方法,能够根据自己的需求,高效、快速地从海量的互联网网页内容中搜索出有价值的实时交通信息。然而,大量自然语言描述的交通信息受自然语言理解技术的限制,难以被现在计算机系统直接利用。本文专门针对互联网网页蕴含的动态交通信息,对实时搜索与语义理解的方法进行研究。首先采用网络爬虫技术,实时地从互联网网页(包括微博)上抓取实时交通信息,并根据已构建的词典内容对实时交通信息进行分词,然后把分词结果按已建好的规则库进行匹配,实现语义理解,最后通过实验进行实例验证。本文的主要工作和成果如下：1.研究了互联网网页蕴含动态交通信息的实时搜索方法。针对互联网网页蕴含动态交通信息,从以下几个交通信息来源：官方网站、论坛和微博,分别采用不同的抓取方法进行交通信息的抓取,并保存到数据库中,为后续自然语言理解提供数据基础。2.提出了面向交通信息的自然语言理解方法。针对交通信息的特征和语义理解的应用需求,采用改进的最大匹配分词算法,同时将具有定性、模糊特征的交通信息形式化概括成一个规范的参考模版。并从语义层面将实时交通信息与已有的模版规则进行匹配,从而解决了自然语言形式描述的交通信息难以被现有计算机系统直接理解和利用的问题。3.分别对交通信息实时搜索与语义理解方法进行实现。针对交通信息的不同来源,验证了本研究中所提出方法的正确性和有效性。本文对面向交通信息的搜索与语义理解技术进行了深入的理论研究,并通过实验验证了方法的正确性与效率,解决了自然语言描述的交通信息无法直接被现在计算机理解和利用的问题,具有一定的实际应用价值,为动态导航与位置服务提供重要的数据支撑。