实时交通数据的采集作为智能交通系统中最为基础和关键的子系统,以其重要的作用和巨大的应用价值受到各界的广泛关注,特别是大数据时代的来临,使得其潜在价值也越来越凸显。在实时交通数据采集技术的发展过程中,随着移动互联网的发展和智能手机的普及,基于移动感知的实时交通数据采集技术以其成本低、覆盖率高等优势,逐渐成为近年来的研究热点,不少学者对此都展开了一系列研究。本文研究了基于移动感知的实时交通数据采集问题,在传统的移动感知体系的基础上,结合志愿计算的特点,提出了志愿感知的概念,并通过对系统需求和志愿者人群的深入研究与挖掘,设计了基于志愿感知的实时交通数据采集体系及其工作流程,并对体系中涉及到的各个模块进行了深入的分析和研究,将所取得的成果成功运用于实际系统当中。主要工作和贡献包含以下几个方面：本文首先简单介绍了实时交通数据采集子系统的概念和作用,并比较了该领域的各种技术方案,进而引出移动感知在实时交通数据采集方面的优势和研究意义,总结了现有移动感知领域研究的不足；随后,本文介绍了实时交通数据采集的主要流程,就其中十分重要的定位技术、地图匹配算法以及交通参数估计做了详细介绍和比较,给出本文所选择的技术、算法和模型。针对现有移动感知的不足,结合志愿计算的思想,通过深入的系统需求分析,给出了本系统的设计和实现方案,并提出精准感知和节能感知两种感知策略。精准感知适用于能量不受限的情况,以减轻志愿者负担为主要目标,通过基于geohash的快速初始化算法的实现,避免了感知任务执行中的人为干预和监督。同时,通过将算法复杂度高的地图匹配等流程移至智能移动终端,成功缓解了云服务器压力,提高了系统的实时性能。节能感知适用于对能耗敏感的志愿者,该策略结合机器学习技术,通过对智能手机各个传感器的深入研究,提出使用加速度作为输入对路况进行估计的方案,从而降低了GPS等定位传感器的使用频率,极大地降低了感知能耗。本文通过一系列的实验,验证了精准感知和节能感知的有效。实验结果显示,使用精准感知能够精确地得到志愿者所行驶过道路的平均速度和行程时间,而使用节能感知对路况进行估计也能够达到90%的预测精度。