随着国内汽车保有量的大幅增加，各类人群对交通信息的需求也日益提高。通过车辆检测器采集城市道路交通流数据，并对其进行处理后获取实时交通运行状况成为提供出行信息并辅助交通管理决策的重要方法。在这种形势下，城市道路交通状况实时监测系统在国内得到越来越广泛的应用，但是系统的一些核心技术由于缺乏理论支撑还没有得到很好的解决。针对这种情况，本文研究了城市道路交通状况实时监测系统中交通流数据的最优汇集时间间隔以及交通状态的实时判别方法两项关键技术。　　 城市道路交通流数据的最优汇集时间间隔是保障城市道路交通状况实时监测系统性能的重要基础。以昆山交通流数据为例，文章采用交叉验证均方差模型，分析了不同汇集时间问隔的交通流数据特征。研究采用T检验方法对相邻汇集时间间隔对应的交叉验证均方差值的显著性差异进行分析，方差变化的拐点对应的汇集时间间隔为最优汇集时间间隔。研究结果显示，主干道和支路的最优汇集时间间隔为4分钟，次干道的最优汇集时间间隔为3分钟，不同等级的道路交通流数据最优汇集时间间隔差异并不明显。考虑到实际系统对数据服务的要求，一般对汇集时间间隔取整，本文推荐采用5分钟的汇集时间间隔。　　 交通状态的实时判别是城市道路交通状况实时监测系统的核心。在交通流数据最优汇集时间间隔基础上，本文采用了凝聚聚类方法对历史交通流数据进行两步聚类分析，聚类结果显示交通流运行状态可分为拥堵、缓慢和畅通三种交通状态。考虑交通状况实时监测系统对交通状况判别的实时性需求，文章研究提出了基于时间窗口的交通状态实时判别方法，给出了聚类中心变化的实时计算方法。以昆山市采集的实际交通流数据为基础，交通状态实时判别的结果显示，本文所提出的交通状态实时判别方法可以基于实时采集的交通流数据对两步聚类中的重要聚类参数进行更新，进而实现对实时采集交通数据的交通状态及时判别。　　 上述两个关键技术的研究，可以有效解决城市道路交通状况实时监测系统建设中动态交通流数据汇集时间间隔混乱、交通状态实时判别方法过于简单而导致的交通状态实时判别准确性较差等现状问题，可以为城市道路交通状况实时监测等相关智能交通系统的建设提供必要的理论基础和实践指导。