交通拥挤是一个严重的社会问题，它制约了城市的可持续发展，也给城市居民的生活带来极大的麻烦。识别出路网中的交通状态对于提高交通效率具有重大意义。本文以车联网为依托，结合车联网的特点，通过GPS实时采集城市路网交通信息，对信息进行处理分析，通过相关模型对道路交通状态进行识别，为交通参与者以及管理者提供快速、准确的交通诱导信息。本文介绍了基于车联网的交通信息采集流程，讨论了该交通信息系统的各个部分的功能及其原理。本文主要研究如何基于车联网的GPS数据对城市道路的交通状态进行快速、准确的识别。在交通信息采集系统中，GPS的数据首先要经过预处理，以准确的应用于交通识别的模型中。为了在地图上显示车辆所在位置，需要经过地图匹配。对于交通流变化的长路段，本文提出了基于道路历史交通数据的路段划分方法，更科学合理的体现了道路的交通流状态。本文分析了基于移动采集技术的交通状态识别算法的优缺点。基于GPS数据，本文建立了模糊综合判定模型，采用路段平均速度以及速度变化系数作为评定因子，建立隶属度函数，用模糊综合判定模型判定路段的交通状态。相对基于阈值的交通状态识别算法，模糊综合判定方法能更准确的描述交通流的特性。最后，用GPS实际采集交通数据，对实验路段进行分段，计算模糊综合判定模型的评定因子，利用该模型对交通状态进行识别。实验表明，该模型可以快速而合理的识别道路的交通状态，具有可行性。