随着智能交通系统(ITS)日益发展，微观交通仿真技术作为描述复杂交通行为的有效工具，在解决交通问题方面发挥越来越大的作用。围绕交通仿真模型建立和系统开发的研究已有许多成果，但现有交通仿真通常基于历史数据，忽略系统运行过程中各种突发事件，在实时动态条件下的仿真结果准确性较低。各种高新技术的发展使真实交通流数据较易获得，从而为基于动态实测数据的交通仿真提供了可能。动态数据驱动应用系统(DDDAS)的特点是将仿真和真实数据有效结合，使仿真能够动态接受实测数据的反馈，从而使仿真收敛更快、结果更可信。目前，DDDAS在危机管理、工程科学与灾难预报等具有充足实测数据的领域得到广泛的应用。基于上述背景，本文旨在将DDDAS范式应用于微观仿真系统Movsim，提出动态数据驱动的交通仿真方法，该方法将车辆运行实测数据反馈到交通状态预测中，使预测结果更准确可靠。首先，对DDDAS范式和Movsim逻辑流程、车辆模型和路网模型进行分析，在此基础上提出动态数据驱动的交通仿真框架，剖析框架运行机制，探讨并行处理、数据同化等关键技术。其次，构建基于粒子滤波的交通仿真模型。粒子滤波算法给非线性、非高斯系统的状态估计提供了严谨解决方法，因此，引入粒子滤波算法实现框架的数据同化部分。本文设计了随机平移和分段车辆密度两种噪声模型、基于JSON中间件的数据映射模型、基于滑动窗口和传感器智能选择两种权重计算模型以及层次重采样模型，并给出算法图形化解释，介绍基于粒子滤波交通仿真模型实现流程。进而，设计并实现了基于粒子滤波的交通仿真系统。结合研究建立交通仿真模型对系统进行模块划分，对数据同化、动态数据注入、多线程管理、人机交互等主要模块进行设计与实现。最后，应用基于粒子滤波的交通仿真系统，构建直线和环形道路的仿真场景，对动态数据驱动的交通仿真框架的应用效果和仿真精度进行实验和分析。