由于机动车行驶轨迹数据中包含有丰富的时空信息,通过深入挖掘机动车轨迹信息来探究道路路网交通运行状态是目前智能交通领域重点研究工作之一。传统的轨迹挖掘分析工作多以公共交通作为研究对象,用公共交通状态推导整体交通网络的运行状态,但公共交通与非公共交通存在诸多差异性,对差异的忽略将会影响轨迹挖掘的准确性和鲁棒性;同时,由于中小规模城市智能交通的发展建设还处于初级阶段,而现有研究多基于大规模城市中相对成熟的智能交通系统,忽略了城市体量所带来的差异性,导致一些方法难以进行直接迁移与借鉴。因此,文章以中小城市交通系统中丰富的交通卡口数据为基础,针对交通卡口数据的特点,研究设计专门的机动车轨迹提取与多义轨迹段路径识别方法,结合FP-Growth算法对城市道路网进行关键路段识别和关联规则分析,分析影响关键路段的主要因素,为交通管理和控制措施的制定提供决策依据。论文的主要工作如下:(1)交通卡口数据预处理方法与交通特征分析。通过对交通卡口原始数据的分析,设计交通卡口数据的预处理方法;基于此,进行邻近卡口对识别、旅行时间计算及异常值处理,进而得到实际路网的卡口网络拓扑结构,并探究城市交通分布规律与特征。(2)研究了基于交通卡口数据的机动车轨迹提取和多义轨迹段的路径识别方法。根据历史交通状态变化(卡口对旅行时间)确定动态时间阈值,并通过动态时间阈值实现卡口轨迹的划分;针对多义卡口对造成的多义轨迹段问题,基于TOPSIS法从多义卡口对合理路径集中识别最合理路径,实现机动车多义轨迹段路径的识别。(3)基于关联规则分析算法识别城市道路网络关键路段及关联规则。首先,通过优化项头表的更新方式对FP-Growth算法进行改进,并基于改进FP-Growth算法分别对工作日与非工作日、高峰时段与全日情境下的关键路段进行识别、以及相应的关联规则分析,最后基于挖掘结果提出了交通管理与控制的相关建议。