随着交通信息化的普及以及数据挖掘技术的不断发展,对电子警察系统采集得到的数据进行深度挖掘从而提取车辆完整的路径信息已成为可能。电警数据中所蕴涵的丰富交通信息是城市出行规律最直接的反映,基于此的相关问题也愈发受到交通研究及管理者的重视。但与此同时,一方面部分城市由于财政因素导致电子警察系统覆盖率较低,另一方面复杂的环境因素造成电子警察系统工况不稳,导致系统所采集的数据中存在缺失造成路径识别“盲点”,无法直接获得车辆完整的出行路径。针对这一问题,建立一套不连续的电警数据下的路径识别方法对于在满足精度要求的条件下减少设备布设需求以节约成本、提高电警数据的鲁棒性具有其实践意义。本文以缺失数据较多的电警数据作为出发点展开研究,基于其中存储的车牌号码、时间和位置信息,着眼于解决电警数据缺失不连续导致的无法识别完整出行路径的问题。论文主要完成了以下研究工作:（1）查阅国内外大量文献,梳理总结了国内外关于电警数据的应用现状和缺失路径识别修复现状;总结了层次分析法和熵权法关于指标权重计算的研究现状。（2）对电警数据采集原理及数据异常原因进行分析,提出了针对每种异常数据的检测流程和处理方法;为保证数据量的最大化,根据相邻出行记录的时空相似性和车牌模糊匹配修复还原异常数据,提高了数据的利用率。（3）提出了相邻路口行程时间阈值计算方法,并基于时间阈值完成车辆路径识别和子路径切割;根据路网拓扑关系识别缺失路径,为缩小路径搜索算法的范围,应用Dijkstra算法和删除算法并制定筛选规则搜索缺失路径上的备选路径合集。（4）建立了不连续电警数据下的路径识别模型,对私家车和出租车的出行规律进行了探讨,确定了模型的不同指标;为便于计算,提出了指标的量化公式;应用层次分析法和熵权法组合计算指标权重,为解决熵权法指标标准化过程中出现的0,1问题,增加指标标准化后平移0.001个单位的步骤;最后基于路径识别模型对私家车和出租车路径识别分别进行了研究。（5）结合翼城县电警数据进行实例验证。对电警数据的处理结果进行了分析,构建了路网拓扑模型;选取一对电警路口对模型计算过程和有效性进行了验证,给出了基于路径识别模型识别的路径与实际路径具有一致性的结论;设计了三组不同路径长度、不同缺失点数量下的实验对模型精度进行了验证,给出了长距离路径中随着缺失点数量的增加,模型结果的不确定性增加,路径识别准确率下降,但相比于最短路径算法仍具有良好的性能的结论;最后对指标权重的灵敏度进行了分析,给出了权重值在合理区间变化范围内模型的结果能够保持良好的稳定性的结论;在满足精度要求的条件下能够应用本文提出的路径识别方法识别不连续电警数据下的车辆出行路径。