本发明公开了一种低采样率下的实时车辆K近邻查询方法，首先获取出租车轨迹数据和城市路网数据，统计每条轨迹在当前时刻前数个时间片内的车辆位置和行车速度；然后估计当前车辆速度，考虑车辆当前是否还在在同一路段上对车辆当前位置做预测；接着考虑当前车辆与上一时刻相隔了一个路段以上的情况，使用LSTM深度学习模型预测当前车辆位置；接下来基于层次聚类方法对路网进行划分，并使用距离矩阵维护单元间的相邻关系；最后使用K近邻搜索算法，从查询点所在单元开始更新搜索区域内的车辆位置，逐步扩展搜索范围直到找到所有K近邻车辆。本发明可以在低采样率下对车辆查询，既保持用户了查询的实时性，又达到在高采样率下的查询准确度。