现今已有许多城市运用车路协同等智能交通技术手段,布设城市交通大数据平台来进行城市交通的规划与管理,实现跨区域、跨平台的数据资源共享,打造出完善的交通信息服务体系。目前我国诸多大中型城市都布设有道路交通检测器,并在此基础上运用多源异构检测器的融合结果实现交通状况感知与控制辅助城市交通管理。然而,通过获取道路交通检测器检测结果以进行城市交通管理的手段还存在多源检测器数值不统一、交通检测数据分布密度无法达到一定的要求、无法通过多维数据更大限度判断城市道路交通流状态等问题。论文主要工作围绕城市交通流状态估计问题展开,具体需要解决有流量数据路段城市交通流状态计算与无检测器数据路段城市交通流状态估计问题。论文的主要研究工作如下:1)针对有流量数据路段进行数据预处理、多源异构数据融合以及基于流量融合数据的交通流状态计算。对武汉市交通流检测器采集过程中数据出现的问题进行分析,针对不同的数据问题提出相应的预处理方案;通过数据级融合方法,将同一城市道路同一时间维度的多源异构数据通过数据融合的方法进行融合;基于流量融合结果,将城市道路交通流量数据转换为衡量城市道路交通流状态的指标,进行城市道路交通流状态计算。将文章所述方法交通流状态计算结果与高德实时路况对照,两者交通流状态相差在一个等级之内的占95.05%。2)针对无检测器数据的路段,提出一种基于上下游路网拓扑的城市道路交通流量估计的方法。通过对道路网络拓扑的解构,得到路网拓扑影响范围内的道路交通流空间关系,找到没有检测器的路段与其上下游路段的交通流变化规律,构建城市交通流路网拓扑流量估计模型。最后利用流量估计结果引入BPR函数估计交通流状态。实验结果显示,该方法得到的流量估计F检验为=4.289E-05＜1.62,状态估计F检验为=1.362E-04＜1.62,都小于微状态模型的F检验值,具有更优结果。3)针对无检测器数据的路段,提出一种基于时空特征匹配的交通流状态直接估计方法。对于无检测器数据的路段来说,除了基于路网拓扑的流量估计间接估计交通流状态之外,还可以直接估计出交通流状态。通过分析道路网络中路段的时间与空间特征,提取出描述路段交通流状态的时空特征,并进行序列编码,在对特征的数值进行归一化后利用WH-KNN的方法进行路网特征匹配。实验结果表明,文章所述方法的交通流匹配结果中,在工作日与非工作日的衔接点的准确率在88%及以上,其他时间准确率在90%及以上。对比基于上下游路网拓扑的未监测道路交通流状态估计方法,该方法在非工作日的准确率更高,都在90%以上。