本学位论文是结合国家“十五”科技攻关重大项目《智能交通系统关键技术开发和示范工程》（2002BA404A03）子课题“基础交通信息采集与融合技术研究”等项目完成的。全文共六章，第二章、第四章和第五章是论文的重点。第一章介绍了论文的研究背景、研究目的和意义以及研究的主要内容。随着世界各国交通拥挤问题的日益严重和智能交通系统的出现，交通管理人员已经意识到先进的交通管理系统是现阶段解决交通拥挤的最为有效的措施。作为其关键技术之一的交通拥挤自动识别算法的研究工作已经在20世纪60年代开始，比如著名California算法和McMaster算法。这些算法有的已经应用到实践当中，通过实践证明，这些算法在识别性能上各不相同，主要是由于当时的检测技术和数据分析技术比较有限，这也是本学位论文研究新算法的主要背景之一。高速公路交通拥挤自动识别算法的有效实施，可以使交通管理部门实时、有效的跟踪高速公路上的交通状态，一旦发现道路上的交通状态发生异常，就要及时的采取预防和疏导措施，通过信息发布系统随时将拥挤的情况发布给出行者，以免造成二次拥挤使得路网严重阻塞。因此，有效的交通拥挤识别算法对解决高速公路上的交通拥挤问题有着重大的经济利益和社会意义。第二章详细分析了拥挤交通流的特性，并对两种类型交通拥挤模式下三个交通流基本参数的变化规律进行了定性描述。在此基础上，利用VISSIM交通模拟软件模拟了不同程度下的交通拥挤，并分析了ACI算法的适用条件。利用模拟的数据分析了不同拥挤情况下两个模拟检测量同交通需求、通行下降和检测站距之间的关系，并得出了以下的结论：1. 所采集交通拥挤数据的有效性与发生拥挤相邻检测站之间的距离有关，存在一个最佳检测站距离。2. 交通流参数的变化程度和道路通行能力的下降程度有关，当道路的通行能力下降到一定程度时，交通流的各个参数的变化才会比较明显。 <WP=79>3. 在流量很小的情况下，交通流的微小波动都可以引起检测站数据的明显波动。这一章最后给出了本论文高速公路交通拥挤状态识别的体系框架。第三章对本论文设计的ACI算法所需的交通流参数及其可得性进行了分析。首先，分析了ACI算法所选交通参数的选用原则，并从交通管理部门和经典ACI算法两个方面，对常用的交通参数进行了分析。然后基于高速公路ACI算法设计前期准备的需要，对算法所需的交通信息特别是动态交通信息进行了分析。结合现有的交通采集技术，分析了各类检测器的优缺点和可获得的交通流参数，这也为算法的输入变量设计提供了更多的参数选择。第四章分析了高速公路ACI算法的设计过程。首先，回顾了经典的ACI算法，分析了这些算法在识别性能上存在的缺点，并论述了开发一种能应用于ATMS的新算法的必然性。然后，基于数据挖掘技术（Data Mining Technology）本论文给出了两种自动识别算法，即F算法和ANN算法。对于每种算法，论文给出了算法流程图、算法的输入变量、算法的基本原理以及算法的计算步骤等。第五章对六种ACI算法的进行了实证研究。首先，介绍了实证研究的一些准备工作，包括算法实证研究中所用模拟数据和实际数据的来源，以及在识别算法设计过程中常用的数据处理技术和阈值调整的方法，并给出了相应的公式。并从有效性和可移植性两个方面对六种ACI的识别性能进行了分析，在算法的有效性分析中，分别利用五个检测区的分区样本数据和总体样本数据对算法进行标定，然后对五个检测区的其它数据进行分区测试和总体测试。在算法的可移植性分析中，利用单个检测区数据标定的算法对其它检测区的数据分别进行识别，并结合IR-FIR曲线关系图对每种算法的可移植性进行了分析。结果显示本论文开发的两种算法在离线状态下的识别性能良好。第六章对全文进行了总结，回顾了论文的研究过程以及论文的主要内容，同时给出了论文的创新点。最后提出了作者下一步需要继续研究的工作。