随着城市的不断发展，城市交通拥堵成为越来越普遍的现象，上下班高峰期、突发事故、雨雪天气等很多因素会造成道路拥堵。道路拥堵不仅使居民出行不便，也为交通管理部门带来很大困扰。随着智能交通技术的广泛应用，道路车辆速度、交通量等数据采集更加方便，为交通拥堵评价工作提供了数据和技术支持。近年来拥堵状态识别和评价、拥堵预测成为交通领域较活跃的课题之一。然而至今为止很少有专家学者结合雨、雪、雾霾等天气因素对交通拥堵进行评价和预测。　　雨、雪、雾霾天气在城市中经常出现，并且往往会影响车辆运行特性，造成不同程度的交通拥堵。论文旨在结合不同天气因素研究出准确有效的快速路拥堵评价和短时预测模型。首先，采集交通量、车速、延误以及降水量、AQI等气候参数，分析在降水量、AQI气候参数的作用下交通量、车速、延误的变化，并利用SPSS做相关性分析，得到雨、雪、雾霾天气交通特性变化与降水量、AQI的关系。结果表明，降水量对交通量、车速、延误三个交通参数有影响，而AQI对交通参数没有显著影响。其次，利用MATLAB中的BP神经网络工具箱，以v/c，平均行程车速、平均车辆延误为评价指标，对道路交通状态进行评价，并得出0-1的拥堵指数，越靠近0表示道路越畅通，越靠近1表示道路越拥挤。分析雨、雪天气拥堵指数的变化与降水量之间的关系。最后，采用三阶马尔科夫模型进行短时交通拥堵预测。计算三阶马尔科夫模型状态转移概率矩阵，利用计算结果对雨、雪天西安市南二环东段交通拥堵状态进行预测，并与实际拥堵等级比较，得到三阶马尔科夫模型修正结果。　　在实例分析中选取降雨和降雪天西安市南二环东段的交通参数对模型进行检验，与实际拥堵情况进行对比，雨天的拥堵预测准确率为82.46％，雪天的拥堵预测准确率为77.19%，证明了模型的有效性。