交通拥堵指的是由于道路中机动车数量接近或超过该道路的交通最大容量导致交通需求不能被满足,从而出现机动车在道路上停滞的交通现象,交通拥堵会影响人们的出行效率,并带来诸如环境污染、交通事故等一系列问题。交通拥堵状态判别是实现交通控制、交通诱导的基础,一方面交通拥堵状态可以让交通管理者了解路网交通的运行状态,另一方面也为出行者提供路径规划和推荐等交通信息服务功能的前提。总体说来,城市道路交通拥堵状态判别可以实现对城市道路进行有效的交通控制、对道路交通进行合理的交通诱导以及对交通路网进行合理的规划等服务功能,极大程度地提升了居民出行的效率并且保障了居民出行的安全性。目前城市道路交通拥堵判别研究主要以自动判别技术为主,随着交通领域的技术理论不断发展和完善,诸如模糊理论、神经网络、跨学科理论等技术被越来越多的运用在交通拥堵判别的研究当中。除此之外,随着交通流数据采集技术的不断进步,更加客观和精确的采集技术也使得交通拥堵判别的研究有了越来越大的发展空间。射频识别技术(Radio Frequency Identification,简称RFID)在近年来飞速发展,该项技术已被运用在交通领域来实现车辆监测、车辆计数、车型判别、交通拥堵状态检测等重要功能,其优势体现在识别的准确性不受天气等因素影响、车辆识别速度快和车辆识别信息更全面等方面。本文以重庆市RFID电子车牌采集数据为研究对象,制定了一套完整的理论分析和判定重庆市道路交通的拥堵状况,为交通管理和出行规划提供决策支持。本文的主要研究内容如下:(1)通过RFID电子车牌数据选取合理的交通流参数。这些参数包括标准车当量数、交通量、速度、密度。并选取适用于评价交通拥堵状态和FCM模糊聚类算法输入维度的参数。(2)确定FCM算法的最佳聚类数目。不同道路实际交通拥堵状态的差异性对应着不同样本数据聚类中心的差异性,针对这种差异性我们需要对每一份样本数据的最佳聚类数目进行研究,以确保聚类效果达到最优并且符合道路交通的实际交通拥堵状态。(3)完成聚类中心到交通拥堵状态的映射关系。对于每一份聚类结果,我们无法得知各个聚类中心属于哪一种交通拥堵状况,所以需要建立映射模型来关联每一个聚类中心和具体的交通拥堵状态。本文根据“聚类中心投影点排序”规则和“最左状态连续匹配”原则来建立聚类中心交通拥堵状态识别模型。(4)FCM算法优化研究。针对传统FCM算法的准确性和效率问题,本文选用广义均衡FCM和增量式FCM算法进行优化。(5)完成增量式FCM在Storm平台上的算法并行化研究。将增量式FCM的聚类过程和Storm结合起来实现算法的并行化。