探测车系统是一种先进的交通信息采集技术，已逐步进入到商业试用阶段。在探测车系统建立初期，由于探测车数量较少，导致样本量不足，以致对交通状况的识别精度不高。建立初期是系统获得用户信任的关键时期，在极少辆探测车的情况下，有效的交通状况分类识别显得尤为重要。本文的核心内容即是在极少辆探测车的情况下，建立交通状况的分类方法，设计识别系统，并应用仿真进行验证。在建立交通状况分类方法时，本文以路段上游同周期绿灯时间进入的车辆在下游同周期绿灯时间驶出的百分比作为划分交通状况的依据，将交通状况划分为流畅、拥挤和堵塞等三个阶段。首先，本文选用路段旅行时间、路段上游平均速度和路段等待时间作为单个车辆的3个特征量，并对其进行分布特性研究；进而，本文分别采用聚类算法和基于最小风险的贝叶斯算法理论进行交通状况识别，通过比较两种方法的识别准确率和误判率，最终采用基于最小风险的贝叶斯决策理论进行交通状况识别系统的设计。最后，本文采用VISSIM微观交通仿真平台，建立仿真路网，采集路网中7条路段的车辆数据信息对已设计的交通状况识别系统进行验证，获得了较高的准确识别率和较低的误判率。本文设计的交通状况分类识别系统在极少辆探测车的情况下能够以较高的准确率对受信号控制的城市干线道路进行交通状况识别，解决了探测车系统初建时期的信任危机问题，具有很高的实用价值。