受数学模型发展的限制,以往关于交通流状态辨识方法的研究主要侧重于预辨识(交通流预测)及实时辨识(事件检测或交通流质变检测),忽略了对交通流演化规律的研究。交通流的演化过程一般可分为交通流的量变与质变。研究交通流的演化规律具有非常重要的意义。由于在实际的交通出行中,某一路段的拥堵会逐渐向相邻的路段进行传播,通过深入研究拥挤瓶颈处交通流的演化规律,可从本质上解释城市交通拥堵机理和造成局部交通瘫痪的根本原因,根据这一规律也可以对交通车辆进行及时诱导,避免以后交通拥挤及交通事故的发生。本文结合常见的智能算法及伽马分布变点检验算法,主要针对以下几个方面进行了研究:结合概率变点模型与均值变点模型,提出了3种交通流变点分析方法;证明自由流、拥挤流及间歇流3种交通流状态的分布均可由伽马分布表达,提出了基于伽马分布变点检验的交通流演化规律辨识方法;针对9种不同的交通流演化规律,结合极大似然估计,给出了适应交通流演化的伽马分布形状参数估计;鉴于交通流的模糊性与不确定性,提出了基于模糊综合评判的交通流最佳采样间隔研究;考虑到交通流的随机性、不确定性特点,结合动态贝叶斯网络模型的思想,将动态贝叶斯网络用于交通流状态辨识研究。这些研究对减轻拥挤区域交通压力、避免二次事件的发生、节约能源与减少污染等均具有重要意义。