浮动车技术是智能交通系统(ITS)中广泛采用的获取道路交通信息的技术手段之一。大量装有车载GPS定位系统的公交车、出租车源源不断地将自己的车辆信息(如时间、坐标、速度、方向角等)传送到一个数据中心,通过对这些实时数据的分析处理后,就可以获得某个地区的实时交通状态信息。但由于GPS数据精度的原因,在结合数字地图进行处理分析时会出现车辆位置偏离道路的现象,因此需要利用地图匹配技术进行修正。地图匹配技术通过算法模型将GPS设备获取的车辆GPS信息与城市路网拓扑关联起来,把GPS观察点投影到车辆所在真实道路。对于规模庞大、精度不足的浮动车数据,如何通过有效的地图匹配算法保证匹配效率和匹配准确性,是进行后续其他研究(如提高道路交通状态分析质量)的关键。针对以上问题,提出了一种基于时空分析方法的地图匹配算法。算法分为两个部分:地图数据的预处理和对候选点的时空分析。在地图数据的预处理部分,基于Arc GIS平台的地图数据建立了重庆市路网的网格索引,极大提升了查找GPS观察点周边路段的效率;时空分析部分是算法的核心,算法综合考虑了空间几何、路网拓扑信息及时间因素对选取GPS候选点的影响,提升了匹配的精度。考虑到当前浮动车数据中心面对的数据量快速增长,单机环境越来越难满足由此带来的数据处理需求,本文探索了将分布式实时计算技术应用到交通领域,并就当前最为流行的Storm实时计算技术进行了研究,成功地将本文提出的地图匹配算法迁移到了Storm平台。最后,利用重庆市公交车GPS数据和Arc GIS平台上的电子地图数据,分别在单机和Storm集群环境下对算法的性能(如准确性、效率)进行了验证。结果表明:时空分析算法的准确性和效率较其他算法明显提高;基于Storm平台的算法实现能够很好的利用机器的多核特性,且能够方便集群的横向扩展,使得算法效率在原有基础上得到了线性提升。