基于大数据挖掘与智能交通系统(Intelligent Traffic System,简称ITS)技术对交通运行状态进行有效判别与分析,已经成理解交通异常运行的重要手段。高速公路相比其他道路交通方式,存在流速快、时空跨度大的特点。对高速公路的交通状态实时判别分类的研究对提高道路通行效率、减少财产损失具有重要意义。现阶段相关研究数据来源多样,数据结构复杂,计算分析难度大,利用一种既得数据作为数据基础,能有效的降低传感器铺设与计算成本。同时,如何选取一套精度高、可量化的指标体系,并基于此体系,给定道路状态分级分类标准,寻找分类的定量边界一直是本领域研究关注的重点。基于以上问题,本文利用架设在城市区域边界,对过往车辆进行详细记录的收费站数据,构建高速公路时空场景数据模型,并搭建了顾及交通流内在机理与外在影响机制的交通状态判别多指标参数体系。针对高速公路运行特点,分别构建通行水平分类标准与时空特征分类标准,并引入模糊集理论,解决了分类边界模糊的问题,实现了高速公路通行水平分类判别。最后利用统计图表可视化与时空特征可视化结合的方法,实现高速公路交通流量特征与运行状态的可视化分析。具体研究工作如下:(1)对收费站数据特征与高速公路流量特点进行剖析,从静态二维交通数据中挖掘实时动态交通信息,根据高速公路场景人、路、收费站的时空关联构建数据模型,利用行列联合选择(Column Union Row,CUR)矩阵分解与小波变换方法对高速公路流量数据进行特征解析与预处理,为后续研究奠定了数据基础。(2)分别从传统时间序列模型、外在影响因素模型角度挖掘影响交通流状态因素,构建多指标参数的判别体系。利用能同时处理离散值与连续值的梯度提升决策树预测算法证明了该指标体系可用性,弥补了前人对影响交通流影响机制考虑不足的问题,提高了交通状态分类的精确度与完备度。(3)基于交通状态分类理论基础,分别从道路通行水平与时空特征解析角度建立分类标准,并从数据特征与经典案例角度对提出时空分类体系进行详细说明。最后针对交通状态分级面对的边界模糊问题,引入模糊集理论,利用模糊C均值分类(Fuzzy C-Means Algorithm,简称FCM)聚类方法对训练样本数据进行分类,得到各类别的聚类中心,实现了适用于高速公路交通状态的自动判别。(4)为了实现高速公路数据的要素特征和要素关联结构提取,利用传统多元数据可视化方法与GIS时空可视化技术,实现了高速公路流量运行模式的可视化分析。设计基于特征区域高速公路网的状态分类实例,对论文算法加以验证,并讨论了天气要素对流量运行模式的影响。