汽车保有量的增加导致交通事故频发,引起了人们的广泛关注。城市道路拥挤状态与事故率、事故严重度等多项指标密切相关,交通拥堵导致事故发生的同时,事故发生恶性循环又加剧了拥挤。随着智能交通系统的大力发展,实现事故位置、道路交通状态、车辆风险状态的实时可视化显示,对后续交通控制、交通诱导、风险控制以及规划层面的交通拥挤、风险防控治理方法的提出有理论和实践意义。因此本文从智能交通的角度出发,对交通状态判别、险态辨识分析相关理论进行深入研究,在提出基于模糊C均值(FCM)聚类与支持向量机(SVM)的交通状态判别方法和基于主成分分析(PCA)与等价关系模糊聚类(FCA)的险态辨识分析方法的基础上,开发了一套道路与车辆的监控系统,实现了交通状态判别与车辆险态辨识的可视化显示。主要工作包括以下内容:第一,对交通状态判别与险态辨识涉及到的聚类方法进行了分析,在深入研究了模糊聚类和支持向量机运行原理和优缺点的基础上,提出了基于FCM-SVM的交通状态判别方法,并通过真实数据验证了该算法在交通状态判别上的准确性。第二,提出了基于PCA-FCA的险态辨识分析方法,并通过实际交通事故统计数据验证了该算法对车辆险态识别的适用性。第三,在分析数据库数据结构的基础上,在遵从Geo Database数据组织基本思想的原则下,精简了数据视图建模的相关步骤,制定出数据库存储方案。对数据库数据模型进行了设计,构建了交通状态判别与车辆险态辨识数据库。第四,开发了交通状态判别与险态辨识系统。详细阐述了GPS数据、监测中心数据、智能车辆监控设备数据的获取与存储;并对各个功能模块的开发流程和界面设计进行了说明,包括事故位置的监控与显示、交通状态的判别与显示、险态车辆的判别与显示模块。