交通状态信息是现代交通信息服务系统的基础,城市道路实时交通信息是实现交通管理及控制、动态诱导,改善道路通行条件的基础,对市民出行、公交调度、城市规划等具有重要参考价值。传统的交通信息检测设备如线圈检测器、微波检测器、雷达检测器等在道路交通流检测中发挥着重要的作用。但是固定检测器许多弊端,无法直接检测车辆平均车速、路段旅行时间,覆盖范围有限,维修安装费用高昂等。近年来浮动车技术被更广泛的应用在交通信息的采集上,尤其是基于全球卫星定位系统(GPS)车载设备被安装在了众多的公交车、出租车和物流车辆。大量的浮动车分布于道路的各个路段上,通过GPS实时定位,动态获取时间、位置、速度等车辆定位数据,具有精度高,数据量大,道路覆盖范围广泛,经济方便等优势。国内外学者关于浮动车的研究多数是利用单类型浮动车,单一车辆类型不能代表整个道路交通流构成；另外这些研究多数是基于长周期、大样本量、高采样频率的假设,但是应用在实际交通状态计算时,交通状态参数估计的精度不高。本文提出利用城市交通服务性车辆(公交车、出租车)和物流车作为探测车采集位置、速度和其他车辆信息,由于GPS定位准确性受多种因素影响,因此源数据需要预处理后,利用地图匹配算法将车辆匹配到道路上；考虑到GPS浮动车数量以及车辆在城市路网中的分布,每个路段上车辆数量很难满足最小样本量的要求,同时路段交通状态受路段长度影响较大,本文结合浮动车技术应用提出了合理的路段划分方法和路段动态整合的思想,解决了信号灯延误和公交车站点延误对路段旅行时间的影响以及估计间隔内路段浮动车数据不足的缺陷；通过Vissim仿真发现,估计间隔内同一路段浮动车平均速度同小汽车平均速度随时间变化趋势一致,因此本文利用最小二乘法拟合浮动车速度为小汽车速度,然后将拟合速度按照浮动车数量占比加权平均求取路段平均速度。利用Vissim作三次仿真,以第一次仿真的浮动车速度和小汽车速度数据作为最小二乘拟合曲线的历史数据,第二次和第三次仿真数据验证模型精度。通过以上两次仿真数据验证,基于多类型浮动车数据的路段平均速度估计模型平均误差率控制在7%以内,92%以上的路段平均速度估计值与真实值之间的绝对误差小于5km/h。仿真验证结果表明本文提出的估计模型和算法是合理有效的。