随着社会经济的快速增长,城市交通拥堵状况变得越来越严重,交通拥堵影响了广大居民的工作和学习,同时伴随而来的是严峻的环境问题,因此缓解交通拥堵问题变得尤为重要。如果居民可以对已经发生或未来即将发生的交通拥堵状态进行及时、准确的预测与评估,出行时便可以有效地避免交通拥堵带来的影响。针对现有的交通拥堵预测方法精度不高、稳定性不强、预测用时较长的不足,以及各交通时段对交通拥堵的不同影响、单因素无法准确表征交通拥堵状态的问题,本文提出了一种采用多指标模糊综合评价的交通拥堵状态级别预测与评估的方法。该方法在预测方面,提出了一种后期随机惯性权重粒子群算法与支持向量回归机相结合的短时交通流预测模型(MPSO-SVR),利用该模型对表征交通拥堵状态的交通流参数平均速度和交通流量进行预测,该预测模型用均匀分布的随机惯性权重替代标准粒子群算法中不变的惯性权重,加快了算法的收敛速度、提高了算法的性能。在拥堵级别评估方面,通过交通流量和平均速度的预测值得到三个因素指标平均速度、交通流密度、道路饱和度的预测值,将三个因素指标输入到多指标模糊综合评价模型中,即首先建立交通拥堵状态评估的因素集和评价集,通过熵值法确定早高峰、晚高峰、其他时段下三个因素指标的权重系数,再通过梯形隶属度函数确定各指标在各时段的隶属度,最终将交通拥堵状态划分为六个级别。最后,通过对美国PeMS数据库中I405高速路的交通数据进行交通拥堵预测评估实验,将预测出的平均速度与交通流量进行计算得出交通拥堵指标体系,并用于多指标模糊综合评价方法来进行交通拥堵级别预测,并与标准PSO-SVR方法预测的交通拥堵级别评估结果对比,可以看出本文提出的优化方法预测出的交通拥堵状态与实际状态吻合较好,准确率可达94.79%。