随着经济发展,汽车数量急剧增加,交通拥堵、事故、尾气污染等交通问题日益严重。智能交通系统(ITS)是目前公认的解决交通问题的途径,而ITS的各部分功能都围绕着对基础交通信息的应用展开,因此提供准确、实时的交通信息是ITS成功实施的重要前提和基本保证。FCD技术就是一种近年来发展起来的交通信息采集技术,具有部署成本低、覆盖范围广、实时性强等优势。FCD处理过程就是把大量浮动车数据转变成让人容易理解的道路交通信息,如旅行时间和路段速度。本文对大规模FCD处理的过程和方法,包括并行处理框架、任务的分解与调度,以及FCD处理的重要算法:地图匹配和路段速度、旅行时间估算的方法进行了研究。然后在以上研究基础上,对FCD并行处理系统及用于算法研究的FCD实验平台进行了实现。论文的主要工作包括:1.在KD-50高性能计算机平台上,提出大规模FCD并行处理框架,界定了并行处理各步骤定义。对任务分解与调度方法进行了研究,给出了一种改进的任务分解算法及一种动态调度的方法。并且提出了使用MapReduce并行编程模型的系统设计方案。2.对FCD地图匹配算法进行了深入研究。在对增量匹配和全局匹配方法进行比较和分析FCD误差影响因素的基础上,提出了一种基于SVM多分类的FCD地图匹配方法,给出了参数调优的训练过程,并进行了比较实验。3.对基于区间平均速度的路段速度估算方法进行了介绍,通过实际跑车实验对估算结果进行了分析。针对在计算时段内一些路段速度信息缺失,给出了一种基于简单滑动平均的短时预测方法。4.在FCD并行处理研究的基础上,设计并实现了FCD并行处理系统(第2版),并通过改进任务分配调度功能,实现了同时处理多个城市FCD的交通数据处理中心。为了能够更好的研究FCD处理的关键算法,实现了FCD实验平台。