城市道路交通系统是保障城市功能运行的基础设施,但是伴随着我国城市化进程和空间扩张,交通需求迅速增长,城市交通矛盾日益突出,严重制约城市的发展。为提升城市交通系统功能,智能交通系统(ITS)技术以信息化建设加强交通科技管理和提升交通信息服务,智能交通系统也是目前国际公认的解决城市交通拥挤、改善行车安全、提高运行效率、改善环境质量等的最佳途径。在城市交通信息化建设中,交通数据获取的方式多种多样,既有固定的检测器,也有移动检测的手段,其中浮动车信息采集技术是目前国际上ITS系统中采集道路交通信息的先进技术手段。在交通信息化高速发展的今天,多样化的交通数据获取方式和交通信息的有效处理分析将为交通管理者提供了更加可靠的决策依据,因而针对具有海量、多源特点的交通状态数据的处理与模式分析研究显得更加迫切。鉴于上述情况,对于城市路网的交通状态数据模式分析需要展开探讨。先进的数据融合技术可以用来处理海量多源交通检测数据,提高交通数据质量,增强交通信息的利用效率,更准确地反映城市道路运行状态特征。数据挖掘是近些年发展起来的多学科融合的数据分析技术,它从存放在数据库、数据仓库或其他信息库中的大量数据中提取隐含的、未知的、有潜在应用价值的信息或模式。对城市道路交通数据进行数据挖掘正成为当前研究的热点之一,城市道路交通状态具有动态性、周期性和相关性的特点,通过集成数据挖掘技术以及GIS空间表达研究城市道路交通状态的时空模式对交通管理与决策很有实践意义。为此,本文在智能交通研究领域中结合数据融合、数据挖掘和地理空间分析技术,围绕城市道路交通状态的多源数据融合、模式分类与空间分布模式三个关键问题中相关的技术与方法开展研究。论文主要的研究工作如下：(1)就国内外交通拥堵的问题,概述了智能交通系统对于解决城市交通问题的重要性。从我国交通发展状况以及交通信息化现状着手,剖析目前我国城市交通信息化建设存在的问题和未来趋势,提出城市交通状态数据模式分析相关的多源交通数据融合、交通状态分类和交通状态空间分布模式几个关键技术问题。针对上面三个关键技术问题,分析研究了其国内外的应用研究进展,在此基础上,基于城市道路交通状态视角提出本文的研究目标和研究内容。(2)解析不同层次下城市道路交通状态概念内涵及其三个重要特性,并且详细介绍表达交通状态特征的微观交通流参数指标。针对交通状态数据获取方式的发展,研究比较了目前固定型和移动型检测器技术上的优缺点。围绕ITS的信息化服务角度,提出交通状态数据模式分析的框架及其相关应用理论与技术。(3)根据城市道路交通数据获取技术的多样化发展趋势的技术分析,提出研究移动检测器和固定检测器的交通数据融合的前景需求。通过对数据融合理论回顾及其方法比较分析,以面向浮动车和环线线圈为代表性的两类交通数据为基础,提出基于支持向量回归的交通数据融合模型,达到不同交通检测器数据的优势互补。基于微观交通仿真科学环境,模拟设计了多种时间采样间隔、路段条件下浮动车和环线线圈仿真数据,以此实现多源交通检测数据融合模型的验证分析。(4)通过研究比较国内外道路交通评价相关状况,设计了一个城市道路交通状态分类模式及其评价指标的阈值。针对城市道路交通状态表达的不确定性,提出以模糊隶属度函数对交通状态评价特征因子的刻画。通过比较分析现有的交通状态分类算法,提出集成模糊支持向量机的道路交通状态多类分类模型,解决模糊分类方法不能训练学习的问题。运用交通仿真速度数据,验证分析所提出的交通状态分类模型可行性。(5)针对交通状态在城市路网上的空间分布模式,通过对现有空间聚类算法的分析比较,提出基于道路约束的空间密度聚类算法R-DBSCAN,以图论方法对路网的空间形态约束和交通行为约束进行建模表达,运用基于道路约束的网络距离替代欧氏几何距离作为度量交通状态对象的空间相似度,基于R-DBSCAN对交通状态进行空间分布计算。在GIS环境下实现R-DBSCAN算法,以南昌浮动车数据为实例,可视化分析了交通拥堵状态的空间分布形态。