经济的不断发展和科技的无限创新支撑着我国高速公路的快速发展。今时今日,高速公路联网收费系统已然成熟,收费数据也实现了全面统一,积累的海量收费数据能挖掘丰富的交通流运行特征信息。在不添加新型交通检测设备的条件下,利用收费数据分析与处理交通状态参量并进行交通状态识别,对提高高速公路运营管理效率和解决高速公路交通拥挤具有十分重要的意义。本论文以高速公路交通流时空特性分析和交通状态识别为关键探究对象,通过收集高速公路收费系统动态运行过程中记录的收费数据,包括进出口收费站地点、进出口时间、车型等,借鉴数据统计和数据挖掘的相关技术,在Oracle和Python平台下搭建了数据剖析的基本框架,采用多种数据处理方法后实现了对收费数据的信息提取和分析。包括如下研究成果:(1)数据质量会影响数据挖掘的效果,而数据预处理可以提高数据的质量。将大量收费数据存储到数据库中,针对其出现的一系列质量问题,归纳了五大类异常数据的具体表现形式,并对不同类型的问题制定了相应的处理规则;客观地比较数据处理前后的效果,验证了处理收费数据方法的可行性。(2)选取某高速公路某收费站为研究对象,统计各类车型的流量及总量并计算不同车型在不同时间段的比例,通过交通流时变特性分析市民在工作日、双休日、节假日的交通出行特征;分别分析节假日及非节假日流量的变化规律,了解车流运行特点;选取一段特定的行程区间,分车型对车辆行程速度分布进行拟合,结果表明6类车流的行程速度概率密度全部服从高斯分布。(3)考虑到传统FCM算法存在缺陷,本文将单位交通量、单位行程时间和占有率这三个指标作为特征参数,提出利用遗传算法、熵权法和广义均衡法对其进行优化的思路,构建了基于GA-GEFCM算法的高速公路交通状态判别决策模型,以某高速公路的收费数据为实例,用两种算法解得畅通、平稳、拥挤、拥堵四类交通状态的聚类中心,继而通过隶属度矩阵来识别上述交通状态,验证了本文算法具有更强的稳定性、可靠性、有效性和可行性。