城市形态的不断变化,尤其是大都市外围的大规模开发和建设以及机动车拥有量的快速增加,导致一些大都市区外围或城市圈内的高速公路交通负荷日益增加,许多进出城区路段演变为城市通勤道路的一部分,造成了高峰期道路通行能力及服务水平较低,交通拥堵严重、重大交通事故频发等问题。这样不仅使得高速公路快捷、高效、安全的特点难以发挥,同时也严重阻碍了城际交通的发展。从交通运行的角度看,高速公路与城市快速路结合部地区成了交通瓶颈。因此,迫切需要加强对这些路段的交通流动态监控。从道路交通状态分析技术手段来看,目前国内尚缺乏比较成熟的综合车速、道路占有率、流量等多项指标来综合判定高速公路与城市快速路等汽车专用道路交通服务水平的模型和方法,因此,难以综合全面地反映高速公路大城市进出口路段的交通实时状况。现有高速公路交通监控系统制定的策略缺乏准确合理的理论依据和方法论的支持,无法及时采取有效的控制策略和手段,往往造成严重的交通拥挤和阻塞。本文以北京地区高速公路尤其是进出城路段和城市快速路的结合部为研究对象,对现有监控系统采集到的交通流数据进行预处理后,分析了结合部地区路段的交通流特征。然后分别对结合部内的高速公路和城市快速路的交通状态进行划分,综合运用模糊聚类和小波分析等方法,给出自由流、同步流和宽移动堵塞三种状态下的流量、速度和时间占有率的阈值。同时以高速公路的交通流状态为基准,建立结合部路网的状态分类标准。最后,运用径向基函数(RBF)神经网络预测方法对结合部的流量、速度和时间占有率进行预测,再根据交通流参数的预测结果预测交通状态,并与根据实测的交通流数据识别的交通状态进行对比。得出结论,基于交通流参数预测交通状态的方法性能较优,对拥挤的检测率高、误报率低、平均检测时间较短。