近年来，随着数据处理工具、先进数据库技术以及万维网(www)技术的迅速发展，大量的形式各异的复杂类型的数据不断涌现，数据挖掘面临的一个重要课题就是针对复杂类型数据的挖掘，其中包括时间序列数据。时间序列在日常工作和生活中是最为常见的数据形式之一，特别在智能交通系统中，对交通流时间序列的分析就显得尤为重要。采用聚类分析方法对交通流时间序列进行分析可以发现典型的交通流变化模式，可以实现对不同流量特性的交通检测点所在路段进行合理分组，进而结合空间信息可以发现一些有意义的交通时空分布规律。本文在分析时间序列挖掘技术和实际应用需求的基础上，针对交通流时间序列，主要做了如下几方面的工作：第一、详细讨论了时间序列相似性度量方法；第二、针对传统的层次聚类算法在时间序列变化趋势上效果不佳的缺点，提出了改进的层次聚类算法；第三、在研究中，采用将k-平均算法和层次聚类算法结合来实现不同变化趋势的交通流时间序列分离，并可视化聚类结果。