交通拥堵问题,严重影响市民日常生活,在一定程度上限制了社会、经济稳定发展。缓解交通拥堵,尤其是常发性拥堵,已迫在眉睫。缓解交通拥堵的重要前提是交通拥堵评估与预测,但是现有方法在准确性、实时性和稳定性三方面的性能不能满足交通需求。为了提高拥堵评估与预测的性能,本文提出基于浮动车轨迹的拥堵评估与预测方法。对于评估方面,本文提出一种基于多指标权重适应变化的模糊综合评价法。它通过对指标赋权和多指标模糊矩阵变换进行综合评价,根据拥堵交通流特性给指标适应赋权,比以往固定权重法,能够提高评估准确率和实时性能。对于预测方面,本文提出一种基于优化SVM (Support Vector Machine)的拥堵预测方法,它包括VP(Volume Predict)模块、SP (Speed Predict)模块、优化模块以及拥堵状态划分模块。VP模块和SP模块用于预测交通量和平均速度,优化模块对VP模块和SP模块中SVM的惩罚系数以及多个核函数参数进行优化,拥堵状态划分模块将预测的交通流参数转化为市民所认知的拥堵状态。它核心算法是粒子群优化算法PSO (Particle Swarm Optimization)和SVM, PSO计算复杂度低,结合SVM不同核函数有不同的预测精度和拟合能力,能在最短时间内找到固定最优解,可满足预测准确率、实时性、稳定性。最后,本文对提出的交通拥堵评估和预测方法进行仿真验证。实验内容分为两部分：本文提出的评估方法与指标固定赋权的模糊综合评价法的对比和本文提出的预测优化方法与经典优化算法的对比。实验证明本文提出的评估与预测方法在准确率、实时性和稳定性上均具有优势。