随着ITS技术的发展,人们通过对所获得的高质量交通流数据分析,发现很多经典的交通流理论与目前获得的实际数据不甚符合;同时传统交通流理论也难以对新的交通现象进行合理的解释,从而也难以为交通控制和管理提供更多有效的指导。交通领域需要新的理论来指导实践,交通流理论研究也因此引起了越来越多的重视。近年来,各国科学家们研究构造出了大量的理论模型来解释复杂的非线性交通流现象。实际交通流由于时间和空间的变化和各种随机因素的影响,其变化充满不确定性,又由于时间和空间可以无限分割,加上各种随机因素的存在,在不同的时间和空间交通流状态差别很大,用交通模型来研究交通流除了要求模型能对实际发生的各种交通状态进行解释外,还必须考虑司机的实际行为,而人的行为往往很复杂,因此单纯的定量方法在研究交通系统方面处于一个两难境地。定性结合定量的方法对交通流进行研究是交通流理论发展的方向,其中利用人工智能领域中的定性推理研究是一种重要的方法。本文将人工智能领域的定性进程理论与交通流理论结合起来,对北京市二环路段上的实测交通流数据进行了实证分析。先是在对北京二环路上两个典型的测量点上的一周的交通流数据进行实证分析后,提出基于北京二环路交通实测数据的一个定性进程模型,分析其中所呈现的交通规律,并对其原因给出解释。然后在北京二坏路上某一典型路段上的某一天的高峰时段的交通流数据的基础上,做出基于北京二环路实测数据的交通瓶颈处同步流与堵塞传播特点的实证分析,并提出了相应的定性进程模型。