城市交通是城市运行的载体,与城市居民的工作、生活息息相关。随着社会经济的发展,城市化水平日益提高,有限的城市交通资源和人们日益增长的交通出行需求之间的矛盾越发突出,城市交通路网承载能力过载、交通拥堵、交通污染、交通安全等问题已经成为城市发展的基础性问题。城市交通实践证明,借助城市智慧交通的先进技术来提高交通路网的通行能力和服务质量是一条可行、有效的路径。城市智慧交通中,人们通过城市交通基础数据获取、城市交通运行状态提取、城市交通运行状态分析与预测三个阶段,从而实现对城市交通的有效监控和管理。城市交通基础数据是管理部门为引导出行和道路规划做出科学决策的依据和基础。相对于传统的数字信号,图像信息更能直观体现交通实景,对城市交通图像信息进行有效处理成为基础数据获取的关键。由于交通图像中含有大量噪声和无效信息,为获取准确可靠的数据,需要对数据进行筛选与处理。本文围绕交通图像处理关键技术进行了深入研究,提出了相关算法,为准确提取交通运行状态提供了基础。在城市交通运行状态提取中,交通基础数据往往是孤立的数字或图像信息,难以被直观理解和阅读,因此需要将获取的数字和图像信号与地图一一匹配。本文对城市交通运行状态提取中的数字地图匹配关键技术进行研究,提出了有效算法,为城市交通状态分析与预测提供条件。在城市交通运行状态分析与预测中,需要对提取的状态数据进行挖掘和分析,研究运行规律,捕捉关键信息。通过训练和测试交通预测模型,提前预测交通运行状态,为决策部门提供前瞻性管理依据,同时为人们综合出行提供有效的信息服务。本文通过对成都市的交通历史数据进行分析,在研究传统马尔可夫模型的基础上提出了一种新的预测模型,为城市交通运行状态的预测提供了一种有效方法。本文通过图像处理、状态提取、预测分析等关键技术研究,为提升城市交通科学管理水平提供了有效的解决办法,为提高城市交通出行效率提供了可行的解决方案。论文的主要工作如下:(1)针对城市交通基础采集数据中,由于客观条件的限制,往往只能获得一幅交通图像,而且分辨率低,不能为交通管理提供有效图像证据的问题,提出了单幅图像混合超分辨技术。该技术通过结合0图像光滑处理方法、Bicubic插值方法、稀疏回归方法等图像超分辨技术,对单幅低分辨率图像进行处理,来获得高分辨率图像。通过将该技术用于交通路网、车辆、车牌等低分辨率图像,并与传统超分辨技术进行对比实验,发现单幅图像混合超分辨技术的效果较好。详细内容见第二章。(2)针对传统地图匹配算法不能有效处理复杂城市道路网络中并行路段和复杂立交场景下的车辆轨迹匹配的问题,提出了一种基于道路网络拓扑结构的轨迹匹配算法,通过将轨迹匹配问题转换为在加权的城市道路网络中寻找最优路径的问题,从而有效实现车辆轨迹匹配。并利用13933辆出租车轨迹数据对本算法进行了实际验证,结果表明在对轨迹片段长度进行合理取值的情况下,该算法能获得较高的匹配成功率和准确率,能够满足实际应用的需求。详细内容见第三章。(3)针对在实际城市交通中,各条道路之间相互影响,现有传统模型难以反映多条道路之间的交通状态关系。提出了基于复杂城市道路网络,含调节项的高阶多变量马尔可夫模型,并对该模型进行了收敛性证明和参数估计。将模型用于城市道路交通拥堵预测,并与传统的高阶多变量马尔可夫模型和改进的高阶多变量马尔可夫模型预测结果进行了对比。详细内容见第四章。(4)综合以上研究成果,定量分析了成都市城市交通运行状态:利用本文提出的地图匹配技术,得到浮动车的真实运行轨迹,计算出各路段的平均速度,绘制了成都市各时段路网拥堵状态图。利用路段的平均速度,统计分析了成都市交通网络的运行规律。利用本文提出的预测模型,对交通拥堵状态进行了预测。分析了成都交通网络的静态可到达性和动态可达性。详细内容见第五章。本文提出的新思想和新方法对目前城市交通管理具有一定的指导性意义和应用价值。