路段区间平均速度是反映道路交通状态的最为直观的交通参量，其采集方法包括浮动车技术。浮动车技术作为实时交通信息采集的一项关键技术，对其进行深入研究有着紧迫的需求和良好的应用前景。论文以浮动车定位数据作为交通信息采集数据源，研究高速公路区间平均速度的估计方法。　　 已有的相关研究中，都没有考虑采样时间间隔的影响，若采样时间间隔过大，会导致现有的速度估计模型无法应用。因此，论文的目标为：考虑采样时间间隔的影响，最大程度地利用浮动车定位数据，以获得最大路网覆盖率的速度估计结果。　　 由于浮动车数据时空分布的不均衡，需要针对不同的浮动车数据特征，采取不同的应用策略。论文通过对浮动车比例以及采样时间间隔的分析，将浮动车定位数据进行分类，针对不同的数据特征采用不同的速度估计模型，包括：改进已有的速度-时间积分法，以及提出两种速度估计模型。　　 为在相同浮动车比例以及采样时间间隔的条件下，提高数据利用率，以提高速度估计结果的路网覆盖率，论文结合浮动车比例以及采样时间间隔的分析，给出可适应于不同浮动车比例、不同采样时间间隔的区间平均速度估计流程，并提出路段区间平均速度自适应估计算法。　　 论文通过仿真实验和应用实例验证模型和算法的有效性。　　 仿真实验使用真实交通流OD数据，结合微观交通仿真软件PARAMICS进行仿真，结果表明：车辆跟踪法的误差范围与速度-时间积分法的误差范围处于同一水平，而速度-距离积分法的误差稍大；在相同的浮动车定位数据情况下，使用论文的自适应估计算法可比速度-时间积分法或直除法获得更高的路网覆盖率，且所得的速度估计结果的误差与速度-时间积分法处于同一水平，且更可靠。　　 应用实例中，用论文的路段区间平均速度自适应估计算法估计高速公路的区间平均速度，再由速度阈值进行路段交通状态判别。通过查看视频图像判断交通状态判别的正确性，可知以自适应估计算法的估计结果为基础来判别道路交通状态，其检测率是比较高的；若能提高现有的浮动车比例，则能相应地增加路段区间平均速度估计的样本量，提高路段区间平均速度估计的精度、可靠性，从而降低误警率。