快速、准确判断道路交通状态，是制定合理有效交通拥挤疏导策略的前提，也是先进的出行者信息系统(ATIS)的一个重要研究内容。及时发布道路交通信息，既可以为驾驶员提供最优的路径，也可以有效的避免因局部交通拥挤而引起全路网的交通瘫痪。因此，研究道路交通状态判别算法，及时准确的判别交通状态，具有重要理论与实际意义。本文是北京市自然科学基金资助项目《北京快速路交通流模型与交通诱导关键技术研究》(8052016)的一个研究内容。交通状态具有模糊性和主观性的特点，与模糊逻辑自身结构和特性相符，因此可以利用模糊推理来判别交通状态；又由于交通受多种因素影响，交通状态具有不确定性，可以设计多个分类器分别独立的判别交通状态，再利用集成学习的方法加以综合，来提高分类的准确度。一些城市快速路上的固定检测器范围可以实现无缝覆盖，检测器可以实时的提供道路的交通基本信息。本文针对固定检测器数据，综合运用集成学习与模糊推理的方法，在原有算法的基础上，提出一种基于固定检测器数据的集成模糊分类器的交通状态判别算法。为验证算法的准确度，利用北京市二环、三环微波检测器的实测数据，在Matlab上进行了算法的验证，证明该算法比现有算法更能准确反映路段的交通状态，并利用Visual C++和数据库编写仿真软件，该软件可以实现算法训练、路段状态显示等功能。本文中涉及到的研究思路、研究方法是针对有固定检测器路段交通状态判别的方法的一个探索，可以为交通状态判别方法提供一定的理论参考。图38幅，表11个，参考文献49篇