交通是经济大发展背景下的产物,而交通问题则是当交通与经济出现矛盾时导致的结果,具有一定的滞后性。交通管理部门或研究者们往往只关注发生阻塞的局部堵点或区域,运用到的交通知识也仅限于描述车辆在道路上的运动规律的模型,但是现在交通拥堵的特征发生了变化,逐渐从点拥堵、线拥堵发展到区域路网拥堵,而人们却没有意识到区域性交通网络的内在规律,治理交通问题往往是治标不治本。而宏观交通组织优化是解决一切交通问题的根源,它从土地利用、路网结构、交通方式等宏观方面对城市交通系统进行优化,本文提出了基于宏观模型的交通状态分析,结合大数据时代背景用海量数据重新快速标定宏观模型的参数,验证宏观模型的准确性与适用性,将传统的仅仅依靠仿真软件进行单交叉口或单一路段实验推向区域化。本文以宏观模型为基础进行交通状态分析,主要取得以下两个成果:1、提出了利用出租车GPS数据推导二流模型曲线的数据处理方法,将研究区域划分成小区,用所有小区二流曲线的离散程度来判断各小区交通状态的差别,并建立了利用二流模型推算出行时间OD矩阵的方法,通过分析不同停驶时间Ts下行程时间T的变化,可以分析各小区的敏感性和脆弱性,为不同交通状况下的路径诱导提供依据。对长沙市路网的实例利用矩阵迭代法找出了某一停驶时间Ts下任意两小区之间的最短路径。2、提出了利用路口停车线的流量数据、出租车GPS数据推导MFD和GMFD的方法。通过分析长沙市中心城区13个交叉口构成的路网的GMFD,发现密度的不均匀分布是造成通行能力降低的原因之一。通过详细分析路网中每个路段、每个小路网的MFD,可知每个路段和每个小路网的临界平均车辆数(反映存储空间能力)和通行能力,通过对比当前路网平均车辆数与值可进行路网分流或路径诱导,为优化交通管理措施提供依据。本文提出的区域性交通网络分析,能够以较少数量的常规交通指标快速获得路网交通运行状态,从而提高交通部门的管理效率和效果,具有较大应用价值。