立交桥和高架道路等多层路网已越来越多地用于解决大城市的交通拥堵问题。同时人们也越来越重视三维导航技术在城市化与信息化中的作用。如何获取车辆深度信息来分辨车辆在立体交通系统中的位置与制定准确的导航路线一直没有得到很好的解决。当车辆在多层道路网络中导航驾驶时,识别车辆在不同层级道路上的上下位置是非常重要的,特别是对于重叠复杂的立交桥道路。虽然在现有的导航系统中可以表示和可视化立交桥道路,但是现有的车辆定位系统使用普通用户级GPS,存在高度误差的限制,并且交通地理信息系统数据库主要以二维导航为基础,因此在多层道路网络中,车辆在不同道路纵向上的位置通常不能被精确的识别。学位论文依据现有普通用户级GPS在立交桥道路网中支持车辆导航方法的不足,提出了使用智能手机传感器信息融合的方法判断车辆在立交桥路段通行状态。典型的立交造型繁杂、层数多变,立交桥多变的造型下,车辆的通行状态离不开上下左右直行等几类状态。其基本思想是利用现有精度的用户级GPS判断车辆进入立交桥路段范围内,通过含有传感器采集器的智能手机获取车辆行驶过程中的气压、方向和加速度等信息。依据小波降噪技术对带有噪音的初始传感器信息降噪,并对信息数据进行相关度分析、特征提取,利用成熟的机器学习SVM(Support Vector Machine)算法构建预测模型来智能判断车辆的行驶航向。对深圳市几座典型立交桥的各条路段及匝道进行编号,构建立交桥的结构数据信息。继而可以将车辆二维轨迹数据与构建的路段位置数据匹配,通过分析车辆姿态数据的变化趋势来判断车辆行驶在立交桥上所处的道路位置。本文以提高车辆立交路段航向识别的准确性为目标,重点研究了车辆在城市立交桥通行状态识别相关技术。实验结果表明,该方法在车辆处于立交路段航向判断上具有较高的精度,一定程度上可以服务于车辆导航,解决车辆在城市立交路段中定位混乱的问题。