道路交通状态判别是智能交通管理系统进行路况信息发布和交通诱导的基础,目前我国各大城市的交通基础信息采集系统和交通诱导信息发布系统建设均已初具规模。然而在数据处理和实时道路交通状态判别中却还存在一些问题,亟待改进。本文主要从城市道路智能交通管理需求背景出发,首先对目前道路交通状态判别和诱导信息发布中存在的一些问题和不足进行分析。然后,结合国内外在基础交通检测数据的预处理、道路交通状态判别算法设计等方面研究的成果,改进目前城市道路交通的状态判别方法,构建面向实际应用的实时道路交通状态判别的方法和模型,并以北京市智能道路交通管理系统为例进行具体研究,论文的主要研究方法和成果如下:(1)研究综述了国内外交通基础信息采集、数据预处理以及道路交通状态自动判别方面所取得的研究成果,为论文奠定基础。(2)介绍了北京市交通基础信息采集系统的建设现状和目标,并且在综合考虑检测装置自身特性、交通参与者对不同参数的认知程度等多方因素的基础上,按照一定原则,确定了基本交通参数的选取。(3)改进设计了北京市目前数据预处理的算法和模型,使其能够为道路交通状态判别的模型提供更加科学、合理的输入数据。具体包括对实时错误数据的识别、修复以及历史突变数据的平滑处理两方面,并选取实际数据进行了验证。(4)改进了北京市目前使用的道路交通状态判别模型,提出了基于模糊聚类分析理论的模糊综合评价法,并利用采集到的快速路数据进行实例验证。具体而言,首先设计出基于模糊聚类分析理论的模型算法,便于得到不同交通状态的中心矩阵;然后基于实时采集的基础交通数据,利用模糊综合评价法对实时的交通状态进行判别。