现代城市是一个影响因素繁多,内部关系极其复杂的系统。由于城市系统中各变量之间影响关系错综复杂,因此挖掘城市运行变量之间的隐含关系是城市规划领域中的一个重要研究方向。传统方法多局限于某一领域的运行指标分析与研究,例如环保规划系统仅针对环境信息进行分析,而无法对城市的大规模变量进行系统建模,从而挖掘不同部门之间运行变量的隐含因果关系。　　 同时,对于某些复杂系统,如高速公路交通系统,需要搜集高速公路网上分布在各个城市的数据,从而通过对其综合分析得到施政规划的依据。交通状态是一种不断变化的动态过程,具有很大随机性和偶然性。交通阻塞的潜伏、发展和发生具有连贯性和相关性的特点,交通阻塞的发生既与它的过去和现状紧密相关,又与同一公路网内其他路段的交通状态有着密切的关系。传统方法多注重于外在因素,如天气,事故等对拥堵造成的影响,而忽略了交通结构性因素,即各拥堵点之间的相互依赖与影响。　　 本文基于贝叶斯因素图的方法研究城市运行变量之间的关系,用直观的方式展示这些变量之间的网络结构。本文所提方法既能够分析单一子系统内部运行变量的关系,又能够将所有部门综合考虑,成功建模大量变量之间的复杂关系。从而为领域专家的深入研究起到有力的支持作用,既能够给予领域专家定性的概念,又能够表述定量的分析,由表及里的支持了领域专家深入的研究和决策的制定。其中,本文特色的工作在于:　　 (1)运用基于打分-搜索的贝叶斯网络结构学习方法,将其应用到城市市政多子系统的变量分析中。同时针对城市巨系统中运行变量多且复杂这一特点,提出了双层贝叶斯网络结构学习的模型,实现了对不同子系统变量的贝叶斯网络结构学习和参数学习。　　 (2)根据加州地区拥堵频发路段的小时数据的特点,提出建立拥堵路段节点之间贝叶斯网络结构的方法。并分别从全局和局部数据出发分析交通瓶颈点之间的影响关系及其相关敏感度,为交通拥堵的潜在原因与缓解方向提供解决思路。　　 本文希望所提方法与实验可以回答以下问题:　　 问题一:城市是一个多因素的复杂动态系统,究竟哪些因素影响城市管理执法人员数量,影响关系怎样?　　 问题二:这些变量之间的关系是怎样不断变化的呢?　　 问题三:交通拥堵频发路段对周围公路网的潜在影响有哪些?是怎样影响的?　　 问题四:对某一路段采取疏导解决措施后收效怎么样?是否从根本上改变了它对其他路段的影响?　　 论文工作的研究内容主要建立在对真实数据进行实验分析的基础上,数据取自北京奥运城市保障系统2008年7月至10月的日度数据以及美国加州伯克利大学开发的PEMS系统D7区域2009年1月至5月的小时数据。　　 本文的实验结果证明无论是对单一领域的变量建模还是跨领域的变量建模都为城市运行的决策者决策的制定工作提供了有力的支持。便于他们对城市当前的变化情况进行监控、预警、研究和管理。