基于路段交通量分析城市路网实时运行状态是掌握城市交通状况的重要手段。出租车轨迹数据获取便捷、覆盖范围广、现势性强,是计算城市路段交通量的重要数据来源。目前大多基于出租车轨迹的研究均面向历史轨迹集数据,以批量方式处理轨迹数据并挖掘其中蕴含的交通信息。由于缺乏实时数据的支撑,信息存在较为严重的滞后性,难以有效支撑拥堵疏散、流量调度等时间敏感的交通应用。针对上述问题现状,本文面向实时的轨迹流数据,设计并构建了高吞吐、低延时的路段交通量实时计算模型,实现了面向流式轨迹的路段实时运行状态识别。主要工作如下:1、提出一种流式地图匹配算法。从静态隐马尔可夫地图匹配模型特征入手,分析地图匹配算法并行化的可行性;基于有状态的计算机制创新性提出流式地图匹配算法,并首次基于Flink流计算引擎实现。2、提出面向流式轨迹的路段交通量实时计算。基于实时匹配后的轨迹流,本文进一步研究面向流式轨迹的交通量实时计算。首先计算单轨迹流,分析载客/空载状态下出租车轨迹数据对路段交通状态的贡献区别,为考虑路口范围对跨路段轨迹流的影响,估计路口区域的延误;其次,研究路段平均行程速度并行计算策略;最后,定义适用于城市路网特征的实时交通状态指数RTSI及等级划分,并给出路段运行状态实时计算模型在Flink流计算引擎中的实现过程。3、实时计算原型系统设计及实现。基于分布式消息队列Kafka实现轨迹流数据高并发接入,为方便时空数据在流计算程序中的操作与计算,本文将原轨迹数据抽象为JTS对象并基于Avro序列化为二进制字节流,减小集群的数据流传输消耗。实时计算模块中Flink流计算引擎从Kafka中拉取轨迹流进行消费,结合Flink编程模型实现各个实时计算算子。为验证方法可行性,本文基于出租车轨迹流展开实验。流式地图匹配的过程是动态的,多种不同类型路网结构中的匹配快照说明了本文提出的流式地图匹配算法有效性;实验选取5条典型路段从工作日、周末、早高峰、中午时段、晚高峰等不同时段对实时交通量、路段交通流状态进行详细时空分析。通过多项实验测试,基于当前集群环境,本文系统接入吞吐量对比单机提高约2.7倍,计算加速比约为2.19;在相应的并行度设置下,实时计算系统模块吞吐量达到80万条/10min.实验结果表明,本文分布式系统能够解决大多数大规模轨迹流的实时匹配、交通量和路段运行状态实时计算场景,具有较高的计算性能。