在城市交通路网中，交叉口是道路关联的重要节点，其运行状态相当重要，交叉口的拥堵情况极易传播到路段上，严重时甚至会波及整个路网，因此，对交叉口交通状态判别方法进行研究，能够为交通管理与控制提供决策依据，那么便能很大程度上的改善目前交叉口交通拥堵的情况，提高交叉口的通行效率。
　　本文以城市信号交叉口为研究对象，在综述国内外相关研究现状以及信号交叉口基础理论的基础上，对交通流参数特性进行分析，提出了基于GA-FCM算法的信号交叉口交通状态聚类划分方法，建立了基于GRNN算法的交叉口交通状态判别模型。具体工作如下：
　　①在信号交叉口理论研究方面，概括了交叉口的交通参数以及常用的状态评价指标，分析了交叉口交通状态的影响因素，将饱和度、平均延误、平均排队长度作为信号交叉口交通状态特征参数，通过对比不同采集时间间隔的流量图，确定交通流参数的采集时间间隔为5分钟，然后通过视频拍摄和人工提取的方式获取相关参数，将实测数据与排队论结合详细的分析了交叉口交通流的相似特性，以及信号交叉口的阻滞作用和排队现象，阐述了各特征参数对交通状态的表征作用。
　　②在交叉口交通状态聚类划分方面，本文采用模糊C均值聚类的方法对交通流参数所表现的状态进行划分，交通状态分类数通过聚类有效性函数确定，将交叉口交通状态分成了畅通流、稳定流、拥挤流、拥堵流四类，针对模糊C均值聚类算法存在的初始聚类中心太过随机，容易收敛到局部极值的问题，采用遗传算法进行优化，通过实例论证，本文所提出的-算法比传统算法收敛速度更快，稳定性更好。
　　③在交叉口交通状态判别方面，提出了基于GRNN的交叉口交通状态判别模型，为提高模型的判别准确性，使用交叉验证确定GRNN最佳光滑因子。通过实例论证，本文提出的基于GRNN的交通状态判别方法准确率到了94.82%，和BP网络相比，准确率提升了6.88%，证明本文提出的基于GRNN的交叉口交通状态判别方法是可行的。