随着城市道路交通需求量的快速增长以及道路网络结构的逐渐成熟,由城市道路交通时空资源供需不均衡引起的交通拥挤越来越严重。交通高峰期的持续时间不断延长,拥堵范围也从局部向区域扩展,交通拥堵已经逐渐转变为常态化交通现象,不但严重降低了道路运行效率,而且影响了交通通行的安全性,因此,及时准确地检测出城市交通中存在的常发性拥挤已经逐步成为动态交通管理监控的重要内容之一。然而,受到目前交通状态判别方法在参数选取及交通状态判别方法等方面的限制,充分利用交通系统时空资源的交通状态实时判别及预测还存在提升空间。因此,为了进一步提高交通状态监测效果,本文改进了原有交通参数预测模型,设计了交通参数可用性标准的权重分配模型,并以此为基础运用云模型判别道路交通运行状态,本文研究内容主要为如下五部分。第一部分,通过分析交通动态数据获取技术,总结了目前用于数据集中异常数据检测的常见方法,利用简单插值法及构建灰色GM(1,N)模型修复检测设备获取的交通异常数据;第二部分,针对现有行程时间计算模型存在忽略交叉口不同出口转向交通运行状况不均衡性的特点,提出交叉口上、下游出口转向概念,通过融合检测器及探测车数据设计了优化的累积直方图模型,新模型依据计算出的交叉口不同出口转向的行程时间可以有效地判断路口各个方向交通是否处于交通饱和状态;第三部分,针对目标路段交通流量会受到其上下游路段交通流影响的强时空特性,提出了基于卡尔曼滤波的交通流量计算模型,通过将观测信息和变量状态转移规律进行联合,能够得到交通流量的最优估计;第四部分,鉴于交通状态存在的模糊性和不确定性,本文选取正态云模型进行交通状态刻画,通过隶属度函数对模糊事物进行描画,实现交通状态的定性定量转换;第五部分,基于前文研究基础,将目标路段分时段运用云模型进行交通状态判别,通过对比实际交通状态验证模型的实用性。