随着交通拥挤问题的日益突出,城市道路交通拥挤成为困扰世界各大城市的主要社会问题之一,严重影响着城市的可持续发展和人们的日常工作与生活。通过对交通拥挤相关理论和模型的研究,快速准确的判别交通状态,及时发布道路交通信息,既可以为驾驶员提供最优的路径,避免交通堵塞现象的发生,也可以有效疏导交通流,避免因局部交通拥挤而引起全路网的交通瘫痪。交通拥挤扩散理论及模型对交通拥挤疏导措施意义重大,具有重要的理论价值和实际意义。国内外对交通拥挤状态判别、扩散规律及其模型的研究已经越来越深入,但要实现实时交通拥挤状态判别和及时对交通事件作出有效的最优救援调度,首先必须建立有效的状态判别模型,获得有效的交通流参数。结合国内外交通拥挤的判别方法,考虑到交通状态具有模糊性和主观性的特点,通过分析交通流参数与交通拥挤之间的关系,本文运用减法聚类方法对交通流参数进行预处理,并建立道路拥挤判别的自适应-神经模糊推理系统(ANFIS)。本文通过分析交通拥挤的扩散规律,把交通拥挤扩散范围分为单个路段交通拥挤扩散范围和区域路网交通拥挤扩散范围；由于拥挤产生的原因不同,又可将道路拥挤划分为常发性交通拥挤和偶发性交通拥挤,并采取不同的方法估计拥挤空间扩散范围,估算出交通拥挤的排队长度及拥挤持续时间。为了验证交通状态判别系统及拥挤扩散范围估计方法的可行性,本文进行了软件仿真实验。利用微观交通仿真软件paramics建立仿真实验平台,通过仿真实验采集交通流数据,并进行分析处理,数据预处理后输入系统训练,训练结果表明本文提出的交通状态判别方法具有较高的实用性和可行性,更能准确的模拟道路状况。与其他经典的判别算法相比,具有更低的交通拥挤误判率,提高了交通状态判别的精确度。分别对单个路段和区域路网的常发性交通拥挤、偶发性交通拥挤扩散范围估计进行仿真,结果显示常发性拥挤时主干道的交通载荷压力大,拥挤扩散范围广；偶发性交通拥挤因主干道车道数多、路段交叉口多,分流能力强,拥挤消散速度快,持续时间短,拥挤扩散范围小。