交通状态是对交通系统(或其子系统)某一时刻宏观运行情况的总体描述。在现代城市智能交通系统中,为了实现有效的交通诱导和交通控制,区域交通状态演化分析方法起着核心的作用。但现有的交通检测和分析方法方法多针对高速公路和单点、单线的情况,并不适合对高密度、强耦合的城市区域交通进行分析。本文以城市交通系统为对象,提出数种区域交通状态的分析方法和模型,并利用这些方法对城市交通的演化规律进行了研究。本文的具体工作包括:提出了一种分析区域交通状态模式的方法,选择流量向量作为反映区域交通状态的参量,并利用自组织神经网络对其进行聚类以获得交通状态模式,利用可视化方法分析了不同状态模式的物理意义、相互关系及其演化规律。针对区域交通中存在的空间相关性,本文提出利用离散小波变换对路段交通流向量进行多层次的特征提取,以挖掘不同路段流量序列之间在不同时间尺度上的相似性,并应用到异常路段识别和交通流预测中。上述方法都在真实交通数据上进行测试,并取得良好的效果。为了进一步考察城市交通系统的行为特性和及其背后的机制,本文还对区域交通流的波动现象进行了重点研究。本文对交通流数据进行详细分析,发现城市交通网络的流量波动符合一特定幂律,并且幂律指数依赖于观测窗口和外部驱动力强度等系统参数。本文提出了一个交通流波动非时齐泊松模型,能对上述现象做出简洁和解析性解释。仿真表明,此模型能复现真实系统中的多种波动行为。对城市区域交通流波动的分析和建模可以帮助我们分析采样窗口、内部因素和外部因素对系统的影响,从而更加深入地了解城市交通系统的整体运行规律