高速公路交通运行状态评价体系可以为高速公路的管控措施与运营策略提供理论支撑。高速公路交通运行状态评估系统依赖于可靠的数据来源,在实际应用中,由于检测系统故障、检测环境变化等种种因素的影响,使得采集的交通信息数据存在数据异常的情况。这些异常数据会直接影响高速公路运行效率系统的评价结果,因此,研究数据异常情况下的高速公路交通状态评价方法,提高对异常数据的包容性,降低数据异常对评价结果的影响和误判率,为高速公路运营管理提供更可靠的交通感知信息。论文为解决上述高速公路评价系统异常数据对运行状态评价结果可靠性带来影响的问题,从分析评价系统数据源和数据异常因素入手,以固定车辆检测器数据和收费数据为样本数据,从数据预处理和评价方法层面提出了考虑异常数据条件下的高速公路交通运行状态评价方法,主要工作如下:(1)车检器数据异常识别与修复。论文通过对车检器数据的分析,归纳和总结了车检器数据的异常情况分类。并针对数据缺失、数据参数值错误(参数值为0,速度、占有率过高)的情况,数据完整性和数据正确性的评价方法和识别方法,并提出了基于移动平均的改进算法的数据修复方法,为论文进行状态评价提高可用的修复后的数据,从而提高评价结果的可靠性。实验结果表明,论文提出的车检器数据预处理方案能有效识别与修复异常的车检器数据。(2)收费数据异常识别与修复。论文通过分析收费数据,归纳了收费数据的丢失、数据错误(行驶里程与行程时间数据值异常)的情况,针对这些问题,提出了收费数据完备性和正确性评价方法和识别方法,并针对不同的收费数据异常情况,基于统计法提出了相应的评价方法,实验表明该方法可以有效识别与修复数据异常的收费数据。(3)交通运行状态的动态模糊综合评价。论文考虑交通数据的动态时序性,基于数据差异驱动的原理,对传统经典模糊综合评价方法进行了改进,通过线性补偿法计算综合权重值,提出了一种新的动态权重的模糊综合评价方法。实验表明该方法能够合理评价交通运行状态,且对异常数据的包容性更强。最后,将上述数据预处理方法和改进的评价方法采用VS2010开发工具进行评价系统的设计与实现,结果表明,本文提出的方法在存在数据异常的情况时受异常数据的影响小,误判率更低,具有更强的容错性。