随着科学技术的不断发展以及人民生活水平的不断提高,交通拥堵问题越来越普遍。交通拥堵不仅会降低人民的生活质量,同时也会影响经济发展并带来资源浪费、环境污染等各种问题,因此,缓解交通拥堵刻不容缓。智能交通系统是提高交通控制水平和管理效率的重要手段,而区域交通状态识别是实现智能交通系统的前提,因而对交通状态识别技术的研究具有重要的理论意义和实用价值。本文针对我国城市交通特点,利用自动控制理论、人工智能原理和交通工程技术对交通控制子区划分、短时交通流预测以及子区交通状态识别等技术进行了深入研究。具体内容如下：(1)分别提出了静态关键路口和动态关键路口的选取方法。静态关键路口主要根据主干道原则、路口饱和度原则、流量原则、时间规律原则以及交通部门的经验进行选取。动态关键路口主要通过路口关键度进行选取,为此研究了基于层次分析法的路口关键度计算方法。(2)提出了基于改进遗传算法的交通控制子区划分方法。首先设计了一种基于模糊逻辑的关联度计算方法,然后基于关键路口和路口关联度建立了交通控制子区划分模型,并利用改进遗传算法进行模型求解,实现了交通控制子区的划分。(3)提出了基于变权重组合模型的短时交通流组合预测方法。首先分析了交通流特征以及影响交通流的主要因素,然后根据交通流特征设计了基于卡尔曼滤波模型和神经网络模型的变权重组合预测模型,其中两个单一模型的权值通过上一步的预测误差进行实时调整,为了增加模型的平稳性,还引入了惯性因子。(4)提出了基于FCM集成分类器的区域交通状态识别方法。首先将当前时刻交通流数据与交通流预测数据的融合数据作为交通状态识别输入数据,然后分别提出了基于模糊C均值和基于FCM集成分类器的交通状态识别方法,交通状态识别的输出为“低饱和”、“中饱和”和“准饱和”三种状态。