1、高速公路交通狀態(tài)的準確估計是把握高速公路交通運行情況的關鍵。單一交通流參數(shù)只能間接、局部的反映實際的交通運行狀況，依據(jù)多個不同交通流參數(shù)進行聚類分析是地點交通狀態(tài)估計的典型方法，但聚類結果對樣本數(shù)量非常敏感；另一方面，目前對路段交通狀態(tài)的估計一般只考慮行程時間或行程車速，因數(shù)據(jù)采集手段的限制，估計的交通狀態(tài)存在一定不確定性。針對這些問題展開研究，對改善高速公路交通狀態(tài)估計系統(tǒng)應用效果具有實際意義。
　　論文以高速公路基本路段為研究

2、對象，運用不確定性方法來估計高速公路基本路段的地點和路段的交通狀態(tài)。在地點交通狀態(tài)估計中，以交通流參數(shù)樣本點空間分布的不均衡性分析為突破口，重點解決樣本數(shù)量不均衡性對交通狀態(tài)聚類結果影響；在路段交通狀態(tài)估計中，重點針對交通狀態(tài)估計的不確定性問題，采用多源數(shù)據(jù)融合的方法加以解決。主要研究內容包括：
　?、俑咚俟坊韭范谓煌鲄?shù)特性的分析。首先，對地點交通流參數(shù)的時間相關性和樣本點空間分布的不均衡性進行了分析；然后，對路段交通流參

3、數(shù)估計交通狀態(tài)時存在的不確定性進行了分析，為后面地點和路段交通狀態(tài)估計模型的建立奠定了基礎。
　?、诨谔卣鲄?shù)加權 GEFCM算法的高速公路地點交通狀態(tài)估計模型的建立。針對傳統(tǒng)模糊聚類算法在交通狀態(tài)估計時存在的不足，結合樣本分布的不均衡性以及不同特征參數(shù)對于聚類影響權重的差異性，建立特征參數(shù)加權GEFCM算法的地點交通狀態(tài)估計模型，并通過主成分分析法確定了不同特征參數(shù)在模型中的權重值，實驗表明本文方法具有更好可靠性與適應性。

4、r>　?、刍趧討B(tài)貝葉斯網(wǎng)絡多源數(shù)據(jù)融合的高速公路路段交通狀態(tài)估計模型的建立。針對采用路段相對密度和路段平均行程時間估計交通狀態(tài)時存在的不確定性問題，引入動態(tài)貝葉斯網(wǎng)絡，在研究選取相對密度、平均行程時間和交通狀態(tài)為節(jié)點變量的基礎上，確定了網(wǎng)絡的拓撲結構，并最終研究建立了用于狀態(tài)估計的動態(tài)貝葉斯網(wǎng)絡模型，實驗表明本文方法具有更好的可靠性。
　　最后，對系統(tǒng)進行了設計與實現(xiàn)，并應用于渝武高速公路部分路段的地點和路段交通狀態(tài)估計。結果表