随着交通系统的飞速发展,各城市都已积累了大量的交通数据,并且数量仍在不断增长。面对海量、连续且实时到达的交通流数据,存储、传输、查询和使用等数据的管理问题是迫切需要解决的问题,而解决这些数据管理问题的一种有效的方法就是高质量地压缩数据,并且能够通过压缩后的数据高效地重构出近似数据。小波概要技术利用小波变换的原理,将小部分能量较大的小波系数作为整个数据集的概要数据,能够高质量地对流数据进行压缩,并且通过这些概要数据可以高效重构/查询出近似数据,对流数据背景下的压缩和重构具有很强的适用性。路段行驶速度是一种典型的交通流数据,是进行交通管理和诱导最重要的参数之一。路段行驶速度通常是通过路段上的浮动车速度估计得到,因此,论文以深圳市路段数据和大规模浮动车数据为基础,通过现有的路段行驶速度估计模型得到路段行驶速度数据,然后结合数据的描述性分析方法和可视化方法分析路段路段行驶速度的数据特征,特征显示Haar小波类概要方法非常适用于流数据背景下的路段行驶速度的压缩和重构。最后,论文结合路段行驶速度的特征,设计了路段行驶速度的概要数据生成模型,并在使得重构数据具有最大误差上限的前提下,以获得更少数量的Haar小波概要数据为目标,提出了一种基于Haar小波概要数据生成算法S-Greedy。实验结果表明,S-Greedy算法能够有效且高效生成路段行驶速度的概要数据,通过这些概要数据重构出的每一个数据与原始数据的误差都能控制在预定的误差范围内。另外,S-Greedy算法与现有几个同类型的经典算法相比,在算法执行时间,生成的概要数据数量(压缩质量)以及单个元素的误差限控制上表现出良好的效果。此方法可以帮助城市管理者和相关交通研究人员更加高效地使用交通流数据。