目前来说,城市的商圈环道网络的形成,是城市中心区发展的一个自然选择的结果。商圈环道网络由两个基本模块组成:中心位置的单行环形道路,以及联通环形道路与外部道路网络的放射形集散道路。两个模块承担着不同交通功能,相互影响,组成了商圈环道网络的核心。由于环道网络的地理特殊性和功能特殊性,使得环道网络在整个区域的路网体系中具有极高的重要性和脆弱性。为了把握环道网络的交通运行状态,避免环道网络交通运行状态的失稳,本文从数据的预处理、交通运行状态辨识和交通参数预测三个方面进行研究。由于ITS的控制及预警需要有实时的交通参数的输入,而由于检测器的固有缺陷和检测时的误差干扰,使得交通运行参数的检测在一定程度上存在失真。本文在对现有交通运行参数预处理方法进行整合的基础上,构建了一套交通参数异常数据的筛选及修补方法,通过筛选修补后的数据相对于原始数据具有更高的可信度。对交通运行状态的辨识建模,是在交通运行特性分析的基础上进行的。由于环道网络与其他网络结构性上的差异,导致道路上行驶交通的特性也存在一定偏差。在分析环道网络的影响范围、结构特性的基础上,结合检测数据和三相位交通理论,将交通状态划分为自由流、同步流和堵塞流三个状态,并建立了微观交通状态与宏观交通状态的对应体系,将宏观交通状态进行分类并选择分类指标阈值。最后,为了提前把握交通运行状态,在小波分析的基础上,构造出一个结合了交通流理论模型的优化BP神经网络,使用历史的检测数据对交通参数进行实时预测,将预测得到的交通参数数值,与交通运行状态推演模型结合,达到提前推演交通运行状态的目的。