由于人类社会的不断发展,城市不断扩张,社会经济飞速发展,城市交通问题成为全球性问题。恰当分析道路交通,掌握实时的交通信息,不仅是交通管理者及时了解路网运行情况、及时消散突发性堵塞的基本途径,也使对交通参与者进行诱导逐渐成为可能和必要,使其避开交通拥堵、减少不必要的路上时间消耗,从而改善路网运行状况、提高道路有效使用率。现在我国很多大中城市已经具备一定规模的交通信息采集系统,采集了大量的交通数据。因此,如何从大量的交通数据中提取有用的交通信息,对交通状态进行实时的识别具有一定的研究价值。目前,城市交通绝大部分是由占城市路网主导地位的城市快速路承担,城市路网的交通状态和出行质量很大程度上是由快速路交通状态反应出来的。本文以数据信息采集系统测得的实际数据,对分类和识别快速路交通状态的方法进行研究。主要内容有以下几点：第一,分析和选择了影响城市快速路交通流的特征参数；对城市快速路交通流数据的采集和预处理进行了研究；并根据实际采得的交通数据对交通流进行了时间特性分析,为交通状态的分类和识别提供了理论支持和数据基础。第二,针对城市快速路交通状态具有模糊性、随机性、不确定性的特点,在总结分析了前人运用模糊聚类分析进行交通流状态判别之后,研究基于FCM的城市快速路交通状态判别方法,解决了FCM算法对初始聚类中心过于敏感的问题、确定了最佳聚类数、权重系数m的取值。最后,论文运用MATLAB语言实现改进FCM算法与传统FCM算法对微波传感器测得的实际交通流数据进行分类,根据聚类有效性函数取值的大小,对不同分类数得到的结果进行排序,可供人们根据实际情况选择最佳的分类数,而不是只看理论值。利用分类所得的各个交通状态聚类中心对未分类的一个检测点的交通流数据进行交通状态识别。最后,利用误判率交叉识别方法检验算法误判率,并与传统的FCM算法相比较。结果表明,在交通状态识别方面,论文研究的算法识别率高于传统FCM算法,可信度较高。