动态交通流的获取对掌握城市道路网的实时交通状况具有重要意义。作为动态交通流信息采集的手段,浮动车技术因其具有各种优点被广泛采用。本文以获取动态交通流为目的,对浮动车数据的实时处理算法进行研究。首先,针对浮动车的数据量大、实时处理效率低以及占用巨额磁盘空间、保存不便这两个问题,论文提出了两阶段压缩算法,即实时压缩算法和分级压缩算法。实时压缩算法保证了数据压缩的处理效率达到了实时处理的要求;而分级压缩算法则大幅度提高数据压缩的压缩率,使得数据得以长期保存,为后续的研究提供数据支撑。其次,浮动车大部分为营运车辆,线路固定且呈现时间周期性,因而数据呈现时空分布不均的现象,进而导致无法获得全路网交通状况。针对这一问题,论文在最近邻法和A Star算法基础上进行改进,提出基于出行偏好的数据恢复算法和基于道路拓扑关系的数据恢复算法。改进后的算法初步解决了全路径交通状况分析的准确率和效率问题,并在实际交通系统中得到应用。针对传统静态路况分级方法只适用于部分城市、鲁棒性差的缺陷,论文提出动态路况分级评价算法,用于实时交通流状况的评价。算法适用于大部分的城市及地区的交通路况评价。最后,本文以广州主城区的部分主干道为例,探讨了动态路况分级评价的结果在区域交通流状况分析的应用。