随着无线通信系统的快速发展及广泛应用,无线定位技术引起了众多研究工作者的兴趣和关注,也因此成为相关领域的研究热点。在他们的不懈努力下,无线定位技术得到了极大发展,在其他相关行业中也得到了广泛应用。总之,在国民安全、行动导航、智能交通和弱势群体监控等方面的作用也越来越重要。本文主要研究基于时间差估计的无线定位技术以及该定位技术在交通流诱导系统中的应用,以便最终实现交通流的短时预测功能。首先,对无线定位技术的实现以及影响定位精度与稳定性的因素进行了重点研究与讨论,如定位算法的改进、NOLS传播、误差抑制等;其次,对偏离真实路段用户的移动轨迹与附近最相似道路的匹配过程进行了着重讨论,并运用一种模糊识别的方式RBF神经网络来完成匹配过程;最后,利用匹配到相关道路上的用户数求得该路段的交通密度,同时利用该路段上的多个用户的行程速度求得区间平均速度,通过这两个最能反映交通流状况的特征参数值来实现交通流的预测目的。由于GSM网络还是目前最为主要的无线通信网络,所以本文的研究工作主要就是针对GSM通信网络。本文的主要研究内容如下:1)讨论了各种基于蜂窝网络的无线定位技术的优缺点以及用于评价定位精度的各项指标。这几种定位技术在经过综合比较后,最终确定将移动手机定位技术中的E-OTD定位技术作为本论文的研究基础,确定均方差(MSE)作为定位精度的主要评价指标。2)介绍了E-OTD定位技术的数学模型以及两类经典定位算法的基本原理—泰勒序列展开算法与最小二乘法,然后分析了这两种定位算法适用的前提条件、难易程度以及其他的优缺点。讨论了Pi-Chun Chen[1]提出的残差加权定位算法的基本思路,该算法能在抑制或减低NOLS影响方面起到一定的积极作用,但该算法本身在实现时,具有较高的复杂度,算法的速度性能相对较差。而本文基于Pi-Chun Chen的研究思路提出了一种识别非视距传播的方法—间距识别判断法,以及基于这种识别法的加权定位算法—间距加权定位算法。前者能有效的识别出存在NOLS传播的基站,后者能对NOLS起到一定的抑制作用,且算法实现也相对较为简单,速度性能也能得到保证,最后通过仿真实验验证了该方法的有效性和合理性,表明其具有一定的理论价值和实用意义。3)本文最后探讨了地图匹配算法的国内外发展现状及各自的基本原理。然后简要介绍了RBF神经网络的基本概念与原理,利用OLS学习法训练网络,将某些道路上的定位偏离点作为该网络的训练样本。通过测试表明:本应该位于这些路段上的定位偏离点通过该网络的处理,可以达到基本匹配的目的。接着介绍了交通流的三个特征参数以及它们之间的相互关系,通过仿真对比实验达到了交通流预测的目的,且进一步分析与评价了预测结果的准确性。本文首先深入研究了手机定位和电子地图匹配这两种技术的相关算法;其次,通过这两种技术以仿真形式实时采集某区域所有路段上的交通流数据,根据采集的数据计算出能反映交通流状况的交通密度值和行程速度值;最后通过与先验值的比较,实现交通流预测的目的。