城市快速路的实时交通状态估计是实施有效交通控制和诱导的前提与基础。智能交通系统的发展，尤其是AVI（Advanced Vehicle Information）信息技术的进步，使得城市道路交通信息获取更加准确全面。基于移动传感技术（如浮动检测车、智能手机），实时估计道路交通状况就是其中一个很有意义的研究方向。与传统固定式交通检测技术相比，移动式、便携式交通检测方法在大范围城市道路信息获取的实时性、准确性、覆盖面更广等方面都具有明显优势。本文研究了基于便携式速度检测器网络的城市快速路实时道路交通状态估计问题。利用路网车辆速度信息估计城市快速路的交通密度、流量等交通参数。单个简单的车辆速度检测装置，如交警使用的便携式测速枪，通过结合移动通讯技术，构成了用于大范围路网平均速度检测的无线传感器网络。与既往交通状态估计研究相比较，检测方法的两个特色在于：第一、可以采集到城市快速路任意时空位置、同一时刻不同路段上的车辆平均速度信息用于交通估计，检测器网络具有自组织特征，同时对路网交通的正常运行不造成干扰。第二、城市快速路交通流处于自由、拥堵等不同交通模式时，系统的可观测性各不相同。这样就会造成原本有效的交通检测信息，当道路交通模式发生改变后，对当前系统状态的估计不再起作用。为了有效应对交通大数据，发挥移动式交通检测技术的优势，采集关键时空位置处的交通流信息用于状态估计，也是文本探讨的一个问题。事实上，城市快速路交通流作为一类时空分布式参数系统，系统演化趋势由当前道路交通状态与路网边界（上下游、出入口匝道）交通流量共同确定。为了能够实现交通状态与边界流量的同步估计，本文在交通状态估计方法上主要进行了三方面问题的研究：首先，为了探究城市快速路交通流在不同交通模式下的可观测性，基于路段间的流量传输关系建立了一种状态切换的交通多模态切换模型，并且对模型的可观性进行了分析。通过对模型的可观测行分析发现，当城市快速路交通流在不同交通状态切换时，交通检测信息的有效性也随之改变。根据交通检测信息的有效性，可以合理布设交通检测器资源，同时降低检测器数据传输时间，有效应对交通大数据问题。其次，传统估计方法主要集中于对主线路段的研究，而且是在边界条件已知的情况下进行的。这样，交通估计问题就受限于检测器的时空位置。针对以上问题，在本文中提出了一种以城市快速路为研究对象的交通流模型，该模型中不仅含有状态变量（密度），还含有未知输入（边界流量）。为了实现交通状态和边界流量的同步估计，本文设计了一种循环递归滤波器，该滤波器在对交通状态进行估计的同时，还可以同步对交通流量进行估计。同时，由于系统方程不在受边界流量的限制，选取速度作为观测变量，通过便携式速度检测设备，结合移动通讯技术，构造交通路网速度检测的无线传感器网络。根据路网速度检测信息，对交通状态进行估计，使交通状态估计不在受检测器位置的约束，交通模型和滤波方法具有更高的适用性。最后，研究了大尺度的快速路网交通估计问题。大尺度交通路网的模型阶次高，算法复杂，且运行时间那以满足交通控制对实时性的要求。在本文提出的交通状态和边界流量同步估计的基础上，将大尺度的交通路网分割成若干个子路段，然后对每个子路段交通状态和边界流量进行估计，结合信息融合技术，对相邻两个子路段的边界流量（或重合的元胞密度）进行融合，从而得到交通路网的交通状态。这种分布式的交通状态估计方法，大大降低了模型阶次，提高了估计算法效率。