异常状态识别是高速公路运管部门进行运营管控、路况信息发布和交通诱导的基础，对减少交通事故造成的人身伤亡、财产损失和避免二次交通事故等方面具有重要的作用。随着智能交通技术的发展和交通信息检测手段的增加，如何利用交通信息检测手段进行异常状态自动识别引起了广泛关注。因此，研究高速公路异常状态自动识别的关键技术对提升高速公路管理水平和服务水平具有重要的理论和实际意义。本文重点针对目前高速公路车辆检测器布设数量不足导致算法实际应用效果较差的问题，从现有高速交通信息检测手段出发，分析高速公路收费数据，提出了基于车检器和收费数据融合的异常状态识别方法。首先重点分析了基于车检器的交通状态参数对异常状态的灵敏度，同时考虑多种数据源进行异常状态识别，采用收费数据建立异常状态识别方法。最后利用信息融合，建立基于车检器及收费数据融合的异常状态识别方法，解决了单一数据源异常状态识别效果较差的问题。论文的主要研究工作如下：①交通状态参数对异常状态的灵敏度分析。本文对异常状态下交通状态参数进行灵敏度分析，为基于车检器数据的ACI算法参数选择奠定基础。灵敏度分析主要考虑了流量和异常交通状态严重程度两个因素的影响，通过仿真表明，交通状态参数可灵敏的反映交通状态的变化。②针对现有高速公路车辆检测器布设数量不足，本文从多源交通信息采集方式出发，根据高速公路收费数据特征，建立基于收费数据的异常状态识别方法。由于算法性能受到样本车辆数影响，因此本文对算法进行改进，并选取实际数据进行验证，结果表明改进算法在低流量情况下的状态识别性能有所提高。③针对基于单一数据源的异常状态识别可能存在可信度低、实际应用效果较差等问题，本文考虑了基于不同数据源融合进行异常状态识别。本文将算法表决融合方法引入异常状态识别领域，建立基于算法表决融合的异常状态识别方法，算法主要包括3部分：基于车检器数据的ACI算法模块、基于收费数据的ACI算法模块和算法表决融合模块。最后，本文采用实际数据进行验证，结果表明，相比基于单一数据源的状态识别算法，融合算法的在异常状态识别精度方面具有较好的性能。