城市道路交通拥挤成为困扰世界各大城市的主要社会问题之一,严重影响着城市的可持续发展和人们的日常工作与生活。快速、准确地识别路网中发生的各种交通状态,并对未来一段时间和空间内的各种交通状态的发展变化过程进行识别预测,对制定合理有效的交通策略具有重要意义,本文以交通数据的相特征为基础对道路交通系统的状态识别方法进行研究。本文的主要研究工作及创新之处体现在:经过对实测数据的基本图进行分析,以24小时连续数据得到的三维基本图来描述交通流模型,说明所有的交通状态数据在三维空间内是一个螺旋状实体;根据三维实体的空间结构结合各交通参数数据的变化分析,提出存在五个交通状态:自由流状态、畅行流状态、通行能力状态、同步流状态及宽移动堵塞状态;以各交通状态及状态间变换过程的数据特征为基础研究出适用于以上各种交通状态识别的方法——三维概率方法和D-S证据理论法;在成功识别各位置交通状态的情况下,对交通流(特别是拥挤流)的时空演化过程进行分析,总结出可能存在的同步流模式、常规拥挤模式和扩展拥挤模式等各种动态交通模式,得到各种模式之间的转变过程及条件;结合Kerner提出的FOTO/ASDA识别模型,与上述成果相结合,研究出可行的交通模式识别应用方案,为交通系统的状态识别和预测提供参考。论文中涉及到的研究内容、研究方法和研究结论是对交通系统状态判别方法的一个探索,可以为城市道路交通策略的制定提供一定的理论依据和工程参考。