随着卫星定位技术的日臻成熟以及公交的智能化发展,由公交车载设备采集的GPS数据不仅蕴含着车辆的行驶轨迹信息,而且还具有精度高、采集成本低等特点。基于海量的公交车GPS数据生成公交线网,一直以来都是智能交通领域研究的热点之一,对调整公交线网结构、改建城市道路、缓解交通拥堵、实现公交线路智能规划等具有重要意义。本文在基于公交车GPS数据生成线网的研究过程中,重点研究了GPS数据集中噪声点的过滤处理、噪声点处理算法的参数选择,以及将生成的公交线网与实际道路进行匹配等问题,主要研究工作和创新点概括如下:（1）针对公交车GPS数据量大、数据密度不均匀、噪声点多而不利于公交线路的生成问题,提出了一种基于像素格的快速密度聚类（Pixel＿Based-DBSCAN,PB-DBSCAN）算法。PB-DBSCAN将GPS数据集表示为二维像素格构成的集合,将聚类过程中判断数据点与其他数据点的关系改为判断当前像素格与相邻像素格之间的关系,大幅减小了GPS数据点在数据邻域中的搜索范围。PB-DBSCAN可以有效识别并过滤GPS数据集中的噪声点,降低聚类的时间复杂度,实现快速聚类。（2）针对不同线路公交车GPS数据进行聚类的过程中,因同一固定聚类参数在不同线路的非普适性而导致的聚类结果偏差较大、聚类效果差的问题,提出了一种动态参数选择的方法。该方法引入聚类率及最优聚类率区间两个定义,通过对多条线路的探索性实验,得到满足绝大部分线路聚类效果要求时的最优聚类率区间,当公交线路所得聚类率不在最优聚类率区间时,根据聚类率的大小动态调大或调小聚类参数,从而实现参数自适应于不同线路。与采用固定参数的聚类算法相比,参数的动态选择显著提高了聚类准确度,F1值平均提高了10%,RMSSTD平均降低了30%。（3）针对基于GPS数据生成的公交线路与实际道路不匹配的问题,提出了基于道路评分的地图匹配算法。在传统的几何地图匹配算法的基础上综合考虑垂直距离、平均距离、行驶方向以及道路拓扑结构等因素,不仅继承了几何方法简单快速的特点,而且提高了算法的准确度,准确率平均提高了6%。设计并实现了地图匹配系统,首先从OSM中获取路网数据,并使用Osmapi解析已获取的OSM路网数据以方便后续计算利用,然后通过Geohash对路网数据进行划分,最后将路网数据导入到Postgre SQL数据库中,并对地图匹配系统的功能性和算法的准确性、高效性进行了验证及分析。