智能交通系统的控制和诱导需要对道路交通流进行快速、准确的预测,因此短时交通流预测是智能交通系统的核心内容,而短时交通流特性分析是研究其预测性的基础,同时由于交通系统是一个有人参与的、时变的、复杂的非线性大系统,使得交通系统的运行状态及拥堵的发生不断变化,从而给短时交通流预测带来了一定的难度,因此对短时交通流特性分析及运行状态变化的研究显得十分必要。本文首先阐述了短时交通流特性及状态转变的国内外研究现状,引入了相空间重构理论,并对相空间重构中嵌入维数和延迟时间两参数的选取方法进行了论述,分别介绍了单变量和多变量递归图和定量递归分析方法,同时介绍了国外先进的交通数据采集系统,从此系统上获得了论文的原始数据,然后介绍了一种对海量交通流数据进行分析处理的方法,对获得的原始数据进行处理。在此基础上,从一维时间角度出发以1分钟为间隔的实测交通流量数据为例,选取一天中不同的四部分,对单个交通参数用递归图从定性方面可视化其动力学特性,然后用定量递归分析得到各部分的量化特征值,再以1分钟为间隔的实测数据为例,对交通流-占有率这两个交通参数通过相干递归图分别可视化常发性拥挤和偶发性拥挤中流量和时间占有率的递归特性,然后运用相干定量递归分析分别确定了常发性拥挤和偶发性拥挤交通状态的转变时刻,得到了不同的交通状态的统计特征值,并做出分析。通过从一维时间角度出发对单个交通参数进行研究,发现短时交通流时间序列具有非线性、非平稳的特性,在不同的时段内分别具有随机性、混沌性和确定性,结果表明交通流随时间的变化并非以均一的方式演变,突变的产生也不一定以一种确定的方式发生,更精确的预测方法应该是用符合短期交通流特性的模型进行预测;同时分别对常发性拥挤和偶发性拥挤中流量和时间占有率进行研究表明将交通流划分为四个状态更具合理性,并发现自由流和阻塞流有较强的确定性,变化趋势较缓,其中自由流具有强非平稳特性;高速同步流和低速同步流确定性较弱,结构相对简单、非平稳,而高速同步流容易发生震荡,即容易向低速同步流或阻塞流转变。