准确识别城市交通拥堵状况和分析城市交通拥堵关联性,能够精确感知城市道路的拥堵情况和确定交通拥堵的产生规律,不仅为公众出行提供参考,同时也为交通管理部门采取交通诱导或者交通管制措施提供依据。已有的交通拥堵研究主要是基于定点式交通检测设备,通过获取小范围的速度、密度、交通量、车辆延误等参数进行拥堵识别,缺乏对城市全局路网范围内的拥堵状况分析,未能在拥堵形成之前有效预警甚至避免交通拥堵。为此,本文对城市宏观交通拥堵情况进行研究,提出城市路网范围内交通拥堵的识别方法,实现对已发生拥堵事件的快速识别,同时对拥堵事件的时空关联特性进行分析。本文的研究内容如下:首先,识别城市交通拥堵状况需要科学、有效的指标及其标准,为此,本文在总结前人研究的基础上,采用平均速度作为交通拥堵识别指标,并且给出该指标的计算过程,通过模糊C均值聚类确定不同交通运行水平下该指标的阈值范围。其次,本文结合城市交通路网和出租车行驶的时空特性,提出基于时空约束的Apriori算法,用于分析城市交通拥堵关联性。最后,通过预处理出租车GPS数据、轨迹化处理、划分路网和时段、拆分轨迹、计算轨迹速度并且计算每天各时段每个网格的平均速度,识别出了哈尔滨市2014年1月每天各个时段的交通拥堵区域,分析了工作日期间、非工作日期间哈尔滨市的交通拥堵状况,并且通过交通拥堵重叠率得到工作日期间与非工作日期间的整体交通拥堵差异状况。同时,应用本文提出的时空约束Apriori算法挖掘哈尔滨市2014年1月交通拥堵频繁项集,并且提取交通拥堵关联规则,分析出了哈尔滨市工作日、非工作日部分交通拥堵传播规律。本文关于城市交通拥堵识别及其关联性分析的理论与方法,可以有效服务于已发生交通拥堵的快速识别及未发生交通拥堵的提前防范,为城市交通管理部门提供一种崭新而有效的应对交通拥堵的方法与手段,对于拓展现有交通拥堵管理的研究具有重要理论意义,同时对于提高管理部门的交通拥堵治理水平具有重要的实践意义。