城市道路交通状态评价可为出行者提供路网运行状态信息,帮助出行者更好选择出行路径。对交通状态进行关联规则挖掘,寻找潜在规律为交通决策提供理论依据。目前相关研究存在交通参数估计准确性低,交通运行状态评价模型合理性低、对拥堵敏感性弱,关联挖掘模型状态维多数为单变量,不能完全有效表征交通运行状态的问题,算法时空复杂度高。在对现有的交通参数估算方法、交通运行状态模型和关联规则挖掘模型的归纳和分析基础之上,本文贡献如下:综合考虑交通参数准确性需求,以及浮动车轨迹数据的低频特性,提出了以轨迹对路段的覆盖率为权重,估算区间平均速度的方法。根据区间平均速度估算结果,对路段平均延误和交叉口平均延误进行估计。以最大排队长度为指标,动态划分交叉口的影响区域。采用模糊综合评价理论,从评价指标应具备易获取性、准确性,以及模型对拥堵敏感性角度选取了最大排队长度、区间平均速度、路段平均延误和交叉口平均延误作为评价指标。考虑到交通流的复杂性和模糊性,利用黄金分割法划分了评价指标模糊区间,构建了隶属度函数和模糊关系矩阵,最后构建了评价模型。以交通运行状态评价结果为状态维,加入了空间维、时间维进行关联规则挖掘。改进了经典关联规则挖掘Apriori算法,在连接步之前添加了状态筛选条件和时空约束条件,降低了时空复杂度,提高了算法挖掘效率。本文通过对比长春市2018年6月20日7:00-10:00南湖路(延安大街至人民大街)的最大排队长度的估算值和真值,得到最大排队长度平均相对误差为12.48%,平均绝对误差为43m。为了对挖掘模型进行验证,选取长春市2017年3月连续5个周五(训练集)和周六(测试集)交通运行状态进行拥堵状态下时空关联规则挖掘,设时空约束为相邻时段,路径最短距离为5km,支持度和置信度均为100%,训练集和测试集得到了相同传播规则。模型拥有较好的适用性。