交通拥堵是现代化城市亟待解决的重大难题,交叉口作为道路网络的节点,容易成为交通拥堵的诱发点,对交叉口交通流数据的研究具有重要的理论价值和实践意义。智能化、数据化的交通系统成为解决交通拥堵问题的重要手段之一,如何高效地从海量交通流数据库中获取更多有价值的信息成为学者们探讨的热点内容。因此,在实测数据的基础上,研究交叉口交通状态识别方法和拥堵传播规律对实现拥堵预警和早期干预具有指导性的意义。本文以交叉口交通流量为数据基础,对交叉口交通状态识别和以拥堵传播规律挖掘为基础的交通状态预测进行建模和挖掘,分析城市道路系统中的交通流运行特征。主要研究内容和成果如下:(1)将车辆检测器数据的错误问题分成两类:数据异常和数据缺失。采用阈值法对异常数据进行处理,根据时间序列流量数据的相关性和周期性对缺失数据进行修复。针对无检测器交叉口,考虑与交叉口相关路段沿线两侧用地出入口交通流量的影响,将有检测器交叉口的数据转化为交叉口进口道需求数据,提出了改进相似聚类算法的无检测器交叉口流量数据研究框架,发现改进前后皮尔逊相关系数最大的提高了 37.29%,最低的提高了 10.8%,平均提高了 20.58%。(2)基于交叉口流量数据,对饱和度、排队长度、延误时间三种常见的交叉口交通状态参数的计算方法进行了有效地探索。提出了改进的需求-容量法对交叉口饱和度进行计算:在需求方面考虑路段上流入量和流出量在早晚高峰期对交叉口需求量的影响,在容量方面考虑下游交叉口排队蔓延导致上游交叉口的折损。在估算排队长度、延误时间的过程中确定了以饱和度等于0.8为界限的2种不同计算方法。(3)应用数据挖掘技术直接识别分析海量数据,以获取道路网络中交叉口拥堵扩散的演变规律。构造了交叉口各车道的交通状态历史数据库,并结合交通拥堵预测的特点对数据库进行适应性调整,提出一种基于路网拓扑结构约束的Apriori算法,建立区域交叉口拥堵传播规律挖掘模型。利用苏州市吴中区交叉口实例数据验证了模型的有效性和正确性。根据模型实证结果,从时间维度分析可知拥堵具有相似性和反复性;从空间维度研究发现“回溢”和“流出”两种拥堵传播的模式。基于上述拥堵传播规律获取该区域中各个交叉口拥堵发生的时间顺序,当某一规律中拥堵源交叉口发生拥堵时,根据拥堵传播规律中拥堵传播的趋势,可预测该规律中其他交叉口后续的交通状况。