国内外大量实践经验表明,在城市规划布局已初步成型的特大城市,单纯依靠修建道路设施并不能很好地解决交通拥堵问题,而发展交通科学研究,推广ITS技术的应用,才是解决已经面临和将要面临的交通症结的最有效手段之一。但ITS建设的基础,以及系统功能发挥的好坏,很大程度上取决于对实时道路交通状态信息的了解和把握。快速路交通系统是一个受多因素影响的复杂系统,具有很强的随机性和动态性；同时针对一些具体的交通状态参数变化,又具有较强的规律性和联系性。据此,本文以北京市快速路交通检测系统的实测数据为研究对象,探讨如何应用统计学、系统工程的有关理论与方法,进行交通状态时序的特性与关联分析,目的在于挖掘快速路交通状态参数的变化规律,为快速路结合部的交通控制与管理提供依据。面对海量的动态交通流数据,快速路的交通状态分析,重点需要解决三个问题：一是如何选择交通状态参数的问题；二是如何选择分析方法的问题；三是如何应用交通状态分析结果的问题。围绕这三个方面的问题开展研究,本文所形成的主要成果如下：(1)根据快速路的交通状态分级要求,利用经典的流量-占有率参数关系模型,提出了基于参数弹性变化的两阶段、四相位交通状态划分方法,即首先将交通状态划分为非拥挤流和拥挤流,然后将非拥挤流划分为畅通流和谐动流,将拥挤流划分为同步流和堵塞流,使得交通状态的划分更具有量化依据。根据不同的道路交通条件,以及交通状态划分标准,提出了基于相似速度和占有率的交通状态模糊推理判定方法,使得判定结果更符合实际的车辆运行状态。(2)针对交通状态时序的统计特征和形态,以及趋势性、周期性、突变性和混沌性等特征,提出了系统、全面的时间序列分析方法,有助于深刻认识交通状态的变化规律。综合运用突变性和混沌性分析结果,提出将复杂多变的交通状态时序分解为多个趋势成分更为简单的交通状态时序,然后再进行趋势拟合和组合建模。实证表明,与长尺度趋势拟合模型相比,分形趋势组合模型的MAE和MAPE降低了18.34%,RSE降低了18.42%。(3)对于交通状态时序关联度的计算,首先分析了统计相关、模糊相关、灰色相关等不确定性分析方法的适应性,然后提出了单截面、多截面,以及考虑延迟性的关联度计算方法,将计算结果用于短时交通流预测,能不同程度地提高预测效果。对于考虑空间物理属性的关联度计算,提出采用路径容量和路径里程的综合指标,即连通度来构建空间权重矩阵,然后运用空间自相关理论,计算交通状态时序的全局空间自相关Morans’s Ⅰ和局部空间自相关Morans’s Ⅰi,有助于从协同控制角度理解交通状态时序在不同截面上的空间属性关系。(4)对于交通状态时序如何关联,从随机事件出现的频率角度出发,利用空间权重矩阵,提出了基于空间Markov链的交通状态时序关联模式提取方法。实例表明,与传统的ARIMA预测和Markov链预测相比,利用空间Markov链建立的交通状态关联模式能够更加有效刻画不同截面的交通状态时序之间的依赖关系,对于不同交通相位的短时交通流预测,均具有较为满意的预测效果。