近年来,由于城市化进程的加快和居民生活水平的提高,使得汽车保有量飞速增长,城市交通拥堵问题变得日趋严峻。交通拥堵所引发的经济损失、交通事故等后果对城市居民和社会造成了很多负面影响,因此如何缓解交通拥堵问题成为当今的热点研究方向之一。智能交通控制系统的出现可以有效缓解交通拥堵并在很大程度上提升城市的交通服务质量。挖掘城市路网交通信息并对路网进行分区,降低路网复杂性成为智能交通领域中的一个重要研究方向。这些研究可以更好地发现城市交通内部的运行规律,从而为交通管理者制定交通拥堵缓解措施提供有力的理论依据。本文使用浮动车GPS数据对路网区域交通状态进行研究分析,其目的在于准确地掌握城市路网中子区域的交通运行情况和变化规律。同时,本文针对浮动车GPS采集设备由于各种原因所造成的数据缺失、噪声等问题,给出了有效的解决方法。论文的主要研究工作如下:(1)采用浮动车样本容量确定方法研究了西安市现有的浮动车GPS数据进行路网区域交通状态分析的可行性;对含误差和错误的原始GPS数据进行了数据预处理。(2)针对实时交通数据计算出的路段参数存在数据缺失和噪声等问题,论文提出将高斯加权的KNN算法应用于交通数据填补上,有效地解决了数据缺失的问题;然后采用小波阈值降噪法对填补后的完整交通数据进行降噪处理以降低误差,保证降噪后的交通数据相对平稳,以便较好地反映出交通路况的整体状态趋势。(3)针对以往交通路网划分方法的结果不稳定性和参数敏感性的问题,论文提出基于AP算法的城市交通路网划分方法,并将该方法用于城市路网区域交通状态识别及路网同质区域划分这两个任务中。通过在不同时间尺度下对路网交通状态的挖掘分析,发现该方法可以有效地识别和预警交通路网当前的拥堵状态和未来的变化趋势;通过对交通时间序列数据进行挖掘分析,证明该方法可以很好地识别路网中交通状态变化的同质区域,并发现路网中的瓶颈路段和敏感节点。