目前世界上大城市普遍面临着交通拥堵问题。交通拥堵产生了较大的显性成本和隐形成本。显性成本主要包括燃料消耗和出行延误所引起的经济损失。研究发现,交通拥堵给一个国家造成的经济损失约占该国GDP的2.5%左右;此外,隐性成本主要包括空气污染、能源消耗和人民的健康损害等。例如,空气污染是导致肺癌病人增加的一个主要原因,而这类损失又常常很难评价。随着中国经济的快速发展,人们生活水平的不断提高,机动车数量以前所未有的速度增加,许多大城市都被交通拥堵问题所困扰。因此,交通拥堵是各国政府急需解决的一个重要问题。目前,中国正大力发展物联网和车联网技术,这为交通拥堵的智能化管理提供了技术保证。与以往所研究的技术和信息基础有很大差异,本论文通过对感知信息进行数据挖掘和交通拥堵模式分类的深入研究,将电子、信息、通信和人工智能计算等技术综合应用于城市交通拥堵的信息化管理,为交通拥堵疏导策略提供了信息保障,实现了实时掌握准确的交通拥堵状况的目的。首先,本文对造成城市交通拥堵的影响因素及其复杂性进行研究,对交通拥堵类型进行了分类并且分析了交通拥堵的成因。其次,根据采集到的海量交通信息,本文在有序决策理论基础上构建了交通拥堵有序决策模型,并且通过特征选择和属性约简,得出判别交通拥堵的特征指标和拥堵程度的判别结果。第三,根据路段和交叉口的拥堵数据,通过Matlab运算求解,论文得出拥堵判别指标和有序判别结果。此外,通过大量拥堵样本反复训练,得出交通拥堵的模式分类,并且根据城市交通拥堵判别结果和交通拥堵模式分类,论文对路网中交通拥堵结点的拥堵程度进行了排序,构建了城市交通拥堵信息体系,为确定交通拥堵疏导策略提供了信息保证。对于轻微拥堵判别结果,本论文在最优控制理论基础上构建了实时控制模型。在存储转发控制模型基础上,考虑到每个相位排队长度的增加会带来拥堵风险加剧的因素,提出在信号配时约束条件下以平均消散率来转换排队长度的约束条件。论文把费用最小作为目标函数,对非线性最优控制模型进行改进,并且通过Paramics模拟仿真和改进前后模型的性能比较,指出非线性最优控制模型在疏导轻微拥堵时具有显著的有效性。对于拥堵的判别结果,本论文研究了交通控制与诱导协同疏导策略模型和算法。通过对交通控制与诱导之间相互影响关系进行分析,论文在动态分配理论第一和第二原理基础上,提出以绿信比和路段流量为参数,实施一体化协同模式。为解决协同模型求解这一技术难题,论文通过采用Armijo准则对投影梯度算法(R-PGA)缩短步长规则进行了改进,加快了搜索速度。通过Paramics模拟仿真、比较投影梯度算法和改进投影梯度算法的性能指标,得出改进的投影梯度算法在疏导交通拥堵方面效果十分明显。对于严重拥堵的判别结果,论文研究了以区域路径诱导为主的拥堵疏导模型。通过确定拥堵诱导结点,论文采用路径生成和路径更新算法来寻找诱导路径。通过Paramics模拟仿真,论文对知识深度、Logit模型分配参数和诱导时间间隔进行了验证。研究发现ATIS信息对交通诱导具有重要价值,准确的OD需求矩阵和出行时间的估计将直接影响区域内交通流量分配。此外,论文通过仿真实验,确定了模型参数对拥堵区域诱导效果的影响。