及时准确地检测出高速公路交通拥堵状态,有助于交管部门实时发现并采取措施以避免二次事故的发生。高速公路真实环境复杂多变,基于车检器的交通拥堵检测受安装位置和原理限制以及单一数据源的不确定性,其检测性能通常有限。随着ETC门架系统的普及,为交通状态的表征提供了新的数据源。论文以车检器与ETC门架数据为基础,研究基于多源数据决策级融合的高速公路路段交通拥堵检测方法,对交通管控以及出行规划都具有重要的研究意义和实际价值。论文为充分利用ETC收费信息,建立了基于平均行程速度、流量和密度特征组合的GMM模型判别路段交通拥堵状态;然后结合车检器数据给出了一种SMOTE-ENN-KELM模型以判别交通断面拥堵;最后结合ETC数据、车检器数据与GPS浮动车数据三者的特点构建了多源数据模糊综合评判的决策级路段交通拥堵检测模型,提升高速公路交通拥堵检测性能。论文主要内容包括:（1）构建了基于ETC收费数据的GMM高速公路拥堵判别模型。针对传统匝道收费数据仅基于平均行程速度的单一信息而无法完整表征路段交通状态的问题,论文结合现有布设的ETC门架采集数据,提取路段平均行程速度、流量以及密度等特征来充分表征路段的交通状态,构建GMM模型实现对路段交通拥堵的检测。（2）构建了基于车检器数据的SMOTE-ENN-KELM的断面交通拥堵检测模型。针对高速公路车检器布设间距较大以及传统单截面拥堵检测算法未充分结合交通流数据等问题,论文建立了一种结合速度、流量和占有率的KELM拥堵检测模型。针对实际情况中拥堵和非拥堵数据比例失调等问题,引入SMOTE过采样技术实现两种数据的平衡。为减少过采样带来的冗余样本问题,引入ENN数据清洗技术,综合构建SMOTE-ENN-KELM拥堵检测模型,实现车检器断面的交通拥堵检测。（3）构建了一种融合多源数据的模糊综合评判决策级融合模型用于判断路段交通拥堵。针对各检测器检测性能有限等问题,结合ETC收费数据、车检器数据以及GPS浮动车数据各自特点,引入了模糊综合评判的决策级拥堵检测算法,实现各个算法的相互补充和容错。综上所述,论文形成了一套基于多源数据决策级融合的交通拥堵检测方法。采用重庆市高速公路路段数据进行验证,验证结果表明,与基于单一数据源的拥堵检测相比,论文所提出的交通拥堵检测方法能够在现有的设备布设情况下降低拥堵误报率且提高对路段交通拥堵的检测率,表明论文所提出的基于多源数据决策级融合的交通拥堵检测方法具有较高的工程实用性和研究价值。