随着城市机动化进程的不断加快,城市交通拥堵问题日益凸显。智能交通是缓解城市交通拥堵的重要措施之一,电子地图作为智能交通的一个重要平台,对引导居民出行、提高城市交通运行效率等有积极作用。高德、百度、腾讯等网络平台均发布海量的实时路况信息,给公众提供了及时的出行引导和便捷的操作体验,但也存在一些弊端,如电子地图路况信息显示方式抽象、路况信息采集需要投入大量的人力物力等。基于上述背景,本文提出运用图像识别等技术将抽象的路况信息予以存储和量化,从而挖掘更深层次的城市交通运行特征,主要从以下几个方面展开研究:1)提出了电子地图实时路况“再利用”的思路。首先通过图像采集技术获取多个时刻的实时路况图像;再运用图像增强和分割技术对图像进行处理;最后利用图像识别技术对路况图像进行识别,得到4个等级路况的道路长度数据,从而实现路况数据的采集、存储和量化。2)构建了新的交通运行指标——路况颜色分布指数。以路况长度数据为基础,从时间和空间角度出发,构建了四个路况颜色分布指数:分区实时路况颜色分布指数、分区分时段路况颜色分布指数、区域实时路况颜色分布指数和区域时段路况颜色分布指数。3)建立了 BP神经网络+STARMA混合模型预测路况颜色分布指数。运用BP神经网络模型对样本预测,引入空间句法和交通兴趣点概念改进STARMA模型对样本残差进行预测,两者预测结果整合得到指标预测值。最后,以长沙市为例,验证本文交通运行特征分析方法的可行性。将实例分析结果与高德地图发布的数据进行对比,路况信息高度吻合,且发现了更为细致的特征。更重要的是,这种方法能够储存大量的实时路况信息,并在此基础上构建了更丰富的指标,从而扩展了实时路况的用途,进一步挖掘了更深层次的交通出行特征,为城市交通组织管理、交通拥堵机理分析、交通规划决策等提供参考。