交通拥堵长期影响着国家的经济发展与人们的日常生活,有效地识别交通状态是解决拥堵的前提,而交通信息的采集为交通状态的决策提供重要的判断依据。针对交叉路口传统探测设备易受天气影响且精度不高等问题,提出使用交通雷达采集道路信息来识别交通状态,并选取交叉路口为研究对象,研究基于雷达数据特性的交通状态判别方法。本文的主要工作有:(1)设计应用程序实时获取交通雷达探测的数据,使用SOCKET网络编程技术接收雷达原始报文,根据指定协议解析数据得到目标有效信息,并分析了解析数据的特点,通过解析数据与GPS数据的对比,验证了该程序可以正确接收并解析交通雷达探测的数据。(2)根据雷达数据的特性识别错误数据并进行数据预处理,选择排队长度、交通流量、平均速度构建交通状态判别指标体系。设计了一种专门针对交通雷达数据的排队长度估计模型、交通流量估计模型、平均速度估计模型。通过实测数据验证了该估计模型可以有效地提取交通状态判别指标。(3)通过分析确定使用模糊c均值(FCM)算法识别交叉路口的交通状态。采用聚类有效性指标CH指标确定聚类数目;针对FCM算法自身易受初始聚类中心影响而陷入局部最优的问题,采用遗传算法优化初始聚类中心;针对各个判别指标对交通状态贡献度的不同,将主观赋权法中的专家打分、层次分析法与客观赋权法中的Relief F方法、熵权法进行组合得到判别指标的最终权重,并对FCM算法的欧式距离公式加权。通过实测数据验证得到改进后的算法使各交通状态间的界限更加明显,说明其更适用于交通状态识别。(4)通过对交叉路口状态的识别,验证本文中改进的算法得到的结果符合该交叉路口的实际交通状态。对比周内与周末交通状态的变化,该判别算法可以快速有效的识别不同交通状态;与传统单一指标识别的交通状态对比,该判别算法的结果更准确与稳定。最后采用Win Form技术对雷达数据设计可视化界面,直观的显示出道路交通状态与交通参数的变化。本文使用交通雷达数据建立交通状态判别模型,经过验证该判别模型可以准确与快速的识别交叉路口状态变化情况,为实现交叉路口交通状态先进管理,如先进的信号控制系统、拥堵诱导系统等奠定基础,以达到缓解拥堵的目的。