快速路是城市路网主骨架,获取快速路机动车OD,识别快速路服务瓶颈,对于掌握交通运行规律、剖析交通拥堵原因、辅助交通管理决策都具有重要意义。近年来,随着智能交通技术的不断发展,交通信息采集的方法日益丰富,为获得快速路机动车OD以及识别服务瓶颈提供了数据条件。然而,由于交通检测器覆盖不全,使用单一类别的数据无法得到较为全面的快速路机动车OD,也无法对全网的服务瓶颈进行准确识别。本文以快速路为研究对象,旨在通过卡口数据、高德地图API等多源数据的融合使用,探究卡口点位覆盖不全的快速路机动车OD获取和服务瓶颈识别的系统方法。在总结利用高德地图API获取路网和行程车速的原理后,对道路交通卡口动静态数据进行预处理。然后,基于时空一致性原则,从卡口出行序列中提取行程;利用高德地图API的路径规划功能模拟行程路径,并使用经典的多路径交通分配模型计算路径选择比例;运用Oracle Spatial数据库的空间操作符匹配行程路径途经的快速路出入口,统计得到初始的快速路出入口间机动车OD;以断面检测流量为总量约束,前后两次扩算结果的RMSE变化率满足一定阈值为收敛条件进行迭代扩算,得到更接近真实的OD。接着,利用由高德地图API获得的快速路所有路段的行程车速数据,构造快速路服务瓶颈三维特征框架下的聚类变量;使用轮廓系数法确定K-means聚类的最佳簇数,对比各簇的中心以及簇内各路段的空间分布,确定服务瓶颈所属的类别。最后,以南京市快速路网为例,展示本文所提出的方法的实施过程和效果,结果表明本文提出的方法可准确识别快速路服务瓶颈,并可从交通需求角度分析其产生原因。论文总结了目前较为新颖的路网构建和行程车速获取方法,提出了一种利用多源数据获取快速路出入口间机动车OD以及识别快速路服务瓶颈的方法,该方法适于卡口点位覆盖不全的快速路系统,可为掌握交通运行规律、剖析交通拥堵原因、辅助交通管理决策提供数据支撑,具有较强的研究意义和实践价值。