随着我国机动车保有量的不断增加,交通出行需求与道路资源供给之间的矛盾越来越大,导致交通拥堵频发。研究分析路网中交通运行状态以及变化趋势可以为交通管理部门方案制定和出行者路线规划提供参考,有助于缓解交通拥堵。本文以区域路网为基础展开研究,为提高海量交通数据挖掘效率,提出交通运行状态实时分析研究的方法,实现路网交通运行状态的预测与评价。借助Spark技术构建交通大数据平台,采用分布式集群处理交通数据,解决传统的单机处理能力和存储有限的问题;以道路基础数据和交通流数据为基础,提取交通流量、平均行程时间、平均行程速度和平均延误时间等指标,并利用分布式聚类算法对路段进行交通运行状态判别;通过研究路网的空间结构,构建空间邻近矩阵,并结合各路段交通流的时间特性,利用时空相关性分析的方法提取影响各路段交通运行状态的时空因素,以此作为神经网络的输入,实现道路交通运行状态的预测;由于不同指标对路网交通运行状态判别结果不同而产生误判,研究分析路网中严重拥堵里程比例、平均行程时间比和平均延误时间比等评价路网交通运行状态指标,采用模糊综合评价的方法对路网交通运行状态进行评价;最后,在交通大数据平台的基础上构建交通状态分析系统,利用信息化的方法对路网数据进行管理,并能够根据不同的需求将研究分析结果以图形图像、电子地图的形式实现交通运行状态的可视化展示。以美国加州PeMS系统中区域路网数据为基础,在交通大数据平台中对路网交通流进行分析,研究结果能有效的分析路网中各路段的交通运行状态、未来时刻交通变化趋势以及路网整体的交通运行状态,可为出行者的日常出行路线提供参考意见,也可为今后区域路网整体规划提供有力的数据支撑。