城市交通运行状态的辨识与预测是交通拥堵治理的理论前提。现有研究中,基础数据不易获取,未能较好地兼顾数据时效性,交通运行状态的实时辨识存在一定难度;对于路网整体拥堵程度的评估缺乏较为直观的输出,同时很少考虑为出行者个体提供出行路径交通运行状态的量化信息。据此,本文以实时的在线地图数据为基础,探究城市交通拥堵形成的规律,构建了城市交通运行状态的实时辨识与短期预测的方法。首先,引入论文所用的在线地图数据类型,即在线地图热力图与道路延时指数,并给出两类数据的获取方式与处理方法以及对应的编程流程。分析城市用地性质和路网结构对城市交通运行状态的影响,建立区域综合热力度的量化模型,利用已获取的在线地图数据分别分析了间隔时间断面热力图数据和道路延时指数的变化趋势,以及连续时间点两类数据之间的关系,从数据分析的角度证明了两类在线地图数据在城市交通运行状态辨识与预测这一研究领域的可利用性。其次,以道路延时指数为基础,分别从传播性路网系统拥堵和非传播性路网系统拥堵两个角度分析了路网系统拥堵的特征,结合此特征定义了路网系统拥堵路段集合,建立了路网整体系统拥堵与固定出行路径系统拥堵的量化模型,同时分别将路网整体拥堵程度最大和路径拥堵程度最大作为实时辨识的比较对象,提出了面向交通管理者和面向出行者的实时交通运行状态辨识方法,并给出了具体求解算法。以渝中半岛为例,通过MATLAB程序求解,证明了辨识方法能够对路网整体或出行路径的实时交通运行状态与其对应的极限状态进行纵向对比,实现交通运行状态的实时辨识,为交通管理者或出行者提供重要的交通运行状态量化信息。最后,重新界定了不同等级道路上的路段单元,基于烟羽模型的思想,提出了路段单元拥堵扩散极限距离的确定方法,并据此对路段单元的交通影响范围进行分析。利用BP神经网络模型分别对固定出行路径和路网整体的交通运行态势进行预测:对于固定出行路径的预测,主要根据路段延时指数与其交通影响范围内综合热力度的变化趋势,同时考虑出行者行驶到各条路段的时间跨度,设计了路径起始路段延时指数预测和非起始路段延时指数的跨时间预测两种思路;对于路网整体的预测,则根据其整体的系统拥堵程度和综合热力度的变化趋势,直接对路网整体未来时刻的系统拥堵程度值进行预测。以渝中半岛区域为例,借助MATLAB软件的BP神经网络工具箱,证明了预测方法具有较高的精度。