随着国民经济水平的不断提高,汽车拥有量不断增多,由此导致了一系列城市交通矛盾和社会矛盾,其中交通拥塞矛盾最为突出。如何实现交通区域的有效检测是智能交通系统及车联网发展中面临的关键技术挑战。本文在对交通信息预处理的基础上,提出了一种基于GPS数据的交通拥塞区域的检测算法。主要工作如下:(1)为剔除交通信息采集中的异常数据,提高交通信息采集的准确度,本文提出了一种使用幂函数实现假性正常分布的变换方法。首先用QQ-图对样本数据进行正态性检验,对不服从正态分布的样本点使用幂函数方法进行修正,最后使用3?准则进行数据清洗。仿真结果表明,使用所提方法处理后的样本数据均匀分布在拟合曲线。(2)为提高数据修复的准确度,针对连续点的异常数据,本文提出了一种时间-空间相关性模型下的基于速度的数据修复方法。该方法在二次指数平滑方法的基础上,将路段之间的相关性应用到数据修复算法中,以修复缺失的样本值。仿真结果表明,本文提出的时间-空间性相关模型下的数据修复方法具有更高的数据修复质量。(3)改进了一种交通拥塞检测框架。首先针对研究的区域,利用道路集群确定算法,剔除非道路集群;然后,利用交通模式检测算法检测道路上可能的驾驶行为模式,从而检测出道路上拥堵的集群区域。仿真结果表明,该框架可以有效规避人们出行过程中的道路拥塞状况,最小化人们的出行费用,从而提高城市道路网的运行效率。