论文部分内容阅读
摘要：随着城市道路的快速发展和交通需求的不断增长，城市道路上的交通事件频繁发生，交通拥挤越来越严重。文章通过回顾城市道路交通状态判别在国内外的发展历史与研究现状，从城市道路交通流运行状态判别基础和拥挤状态识别方法两个方面总结文献研究已取得的经验和成就。
关键词：城市道路交通流；道路拥挤状态；状态识别
1.介绍
随着城市的高速发展，城市交通拥堵、交通效率不高导致的能源浪费成为各个城市发展面临的共同问题，很多城市都大力发展智能交通系统（Intelligent Transportation System，ITS）作为解决城市车路矛盾的重要途径之一。
随着国民经济的高速发展和城市化进程的加快，我国机动车拥有量及道路交通量急剧增加。一方面，由于国民经济的快速发展，民众的汽车拥有量进一步提升，现实条件促使人们由公共交通向个体交通特别是非大容量交通方式转换；另一方面，农村人口继续向城市流动，更多的道路将被更多的人所占有，交通量会出现前所未有的膨胀。尤其是在大城市，交通拥挤堵塞以及由此导致的交通能耗、环境污染的加剧，是我国城市面临的极其严重的“城市病”之一，已经成为国民经济进一步发展的瓶颈问题。德克萨斯州交通运输研究中心（TexasTransportation Institute）的研究报告表明，在1982年到2002年间，全美每年每个出行者高峰时段的平均出行延误由16小时增加到46小时，总延误时间由7亿小时增加到35亿小时，拥挤造成的经济损失由142亿美元增加到6万亿美元。加拿大交通部在2005年发布的一份城市交通报告表明，加拿大每年因交通拥挤造成的经济损失达60亿加元脚。欧洲每年因交通拥挤所造成的经济损失为5000亿欧元，日本东京每年因交通拥挤造成交通参与者的经济损失相当于123000亿日元。我国百万人口以上的大城市，每年由于交通拥堵造成的直接和间接经济损失约计1600亿元，相当于国内生产总值的3.2%，至于拥挤给社会带来的其他负面影响，更是难以估量。
交通拥挤是由于道路系统的某个局部由于通行能力的不足或突发事件而导致车流速度下降或停止运动，此时车流密度明显增加而产生长时间大范围的车辆排队现象，由于道路上车流的快速运动，致使交通拥挤迅速延伸、扩散，最终导致全路网瘫痪H。因此，对实时道路交通流数据信息的获取、准确的鉴别路网中已经发生或即将发生的交通拥挤对制定合理有效的交通拥挤疏导策略，避免因局部交通拥挤而引起全路网的交通瘫痪具有重要的现实意义。
近年来，有大量文献基于交通状态识别的相关技术进行研究，形成了较为系统的城市道路交通拥挤状态识别体系。
2.城市道路交通流运行状态判别基础
城市不同道路的交通流特性存在着较大差别，行驶在城市不同道路上的车辆，由于出行目的、车辆类型、行驶路线、道路条件和交通环境特点各异，其运行状态有不同变化。对城市道路进行交通状态判别时，根据不同等级城市道路的交通流特性，确定城市道路交通流运行状态判别标准是十分必要的。
2.1城市道路分类
城市道路分类的方法有很多，划分的基本依据有：交通性质、交通量和行车速度。由于城市交通结构错综复杂，难以用单一的指标来分类。要综合考虑分类的基本因素，还应结合城市性质、规模及其现状来合理划分。按照我国城市规划中普遍采用的划分方法以及中华人民共和国行业标准《城市道路设计规范》（CJI37-90）对于城市道路的级别区分与构造有详细的规定。该规范中，按照城市道路在道路网中的地位、交通功能以及对沿线建筑物的服务功能等，将城市道路分为四类：快速路、主干路、次干路和支路。并且规定，除快速路外，每类道路按照所占城市的规模、设计交通量、地形等分为I、II、III级。大城市应采用各类道路中的I级标准；中等城市应采用II级标准；小城市应采用III级标准。有特殊情况需要变更级别时，应作技术经济论证，报规划审批部门批准。
2.2城市道路交通流运行特性分析
基于文献研究，分析城市道路交通流运行特性，大抵从时间和空间两个方面。
（1）时间范畴
在城市快速路段车辆的行驶速度一般较高，交通流较平稳，这是因为快速路实行出入口控制，设置有中央分隔带，属于汽车专用道路，不与非机动车产生干扰，故交通环境较好。当与其他道路交叉时，交叉口多为立体交叉，不受信号控制，车辆可以连续的行驶，如图1所示。城市主干路、次干路与其它道路的交叉点大多为信号交叉口，车辆进入城市主干路、次干路后，由于受到信号交叉口的影响，使到达交叉口的车辆在时间上进行了分离，车辆行驶时断时续，不能连续的行驶。通过大量观测分析可以看出，在主干路、次干路路上行驶的交通流周期性的停止，然后在信号允许的情况下，以某种方式进行疏散。支路与其他道路相交时，一般不设信号交叉口。车辆进入支路段后，由于没有信号交叉口的干扰，车辆可以连续的行驶。
从上面的分析可以看出，对于存在信号交叉口的城市主干路、次干路路段，交通流的速度是以信号周期发生周期性变化。如果交通状态判别的时间间隔小于信号周期，则采集到的交通数据具有较强的随机性，难以准确体现交通状态变化的规律性。对于城市快速路以及没有信号交叉口的城市支路，由于没有信号交叉口的管制，交通流平稳，分析时间间隔可以较短。
（2）空间范畴
对城市道路进行交通状态判别时，要尽力保证一个路段或一个分析单元内交通流是一个稳定的运行状态。对于有信号交叉口的路段，主要是指有信号交叉口的城市主干路和城市次干路。主干路、次干路上存在着大量的交叉口，这些交叉口多为信号控制交叉口，由于交叉口的信号控制，当车辆行驶方向遇到红灯时，即使路段不拥挤，车辆也必须停车等待，出现排队现象，当红灯转绿时，这些排队的车辆以饱和流率连续的通过交叉口，以车队的形式前进。这样，主干路、次干路车辆运行带有脉冲的性质。而且主干路、次干路的交叉口之间的距离比较短，在北京的城市道路中，主要交叉口之间平均距离约为1km左右，加减速频繁，表现出明显的间断流特征。因此，有必要对有信号交叉口的路段进行划分，把交叉口前的一段道路单独划分出来。对于城市快速路而言，为了保证快速路的通行功能，需要严格限制非机动车和行人的进入。快速路多以高架道路的形式建设，当快速路采用路面形式时，则需要在与其他道路相交的路口采用立体交叉形式，而且不受信号控制，以保证快速路上车辆可以连续、高速的行驶。因此，快速路上路段的划分相对简单，采用均分法即可。对于没有信号交叉口的支路也可以采用与快速路相似的划分方法。 2.3城市道路运输状态判别
通常，城市道路交通流状态可划分为三种状态：畅通状态、稳定流状态、拥挤状态。
畅通状态是指在车辆较少，车流密度较小时，驾驶员能根据自己的驾驶特性（个人驾驶技巧、驾驶倾向性、身体状况、情绪、出行的紧迫性等）和车辆条件、道路条件及环境条件进行驾驶，基本上不受或少受道路上的其他车辆的影响，通常可以保持较高的车速。
稳定流状态是指车辆行驶不能像畅行状态下自由的任意行驶，车辆速度受到前车的制约，但车辆行驶状态比较稳定，出现意外的干扰并不会使车流紊乱，车流本身具有一定的抗干扰能力，在该状态下交通流量可以达到通行能力时的流量值，在最大流量处，交通流处于稳定的极限，出现干扰就会使车流产生大的波动，车流抗干扰能力明显下降。
拥堵状态是指车流对干扰非常敏感，显示出较大的波动性。驾驶员在该状态下行车，交通密度较大，行驶自由度小，速度受前车制约性强，变化很大，车速忽高忽低，稳定性较差。此不稳定状态的极限形式就是车辆走走停停，驾驶员以及乘客的感觉极差。这种状态正是交通工程人员致力研究，力图避免的。
我国《城市道路交通管理评价指标体系》（2007版）设置了与路段交通状态有关的基本指标，指建成区早、晚交通流高峰时主干道上机动车的平均行程车速，即车辆通过某段道路的长度与通过该条道路所需的总时间之比（包括中间停车时间和延误时间），平均行程车速是所测车辆样本行程速度的算术平均值。这项指标评价标准如表1所示。
这指标体系已经在城市道路交通管理评价中得到了广泛应用，通常将第一、第二级速度对应的交通状态定义为稳定流状态，将第三、第四、第五级速度对应的交通状态定义为拥挤。
由于城市交通状况很复杂，不同路段、区域的情况有所不同，同一路段、区域在不同时段下，情况也不尽相同，所以还可以分不同的时段，来应用不同的判别规则，使系统具有更好的适应能力。
3.城市道路拥挤状态识别
3.1交通检测器布置
动态交通信息的自动采集技术可根据交通检测器工作地点的不同划分为固定型交通检测器和移动型交通检测器两大类。目前在应用固定型交通检测器采集交通信息方面的研究，主要是对检测器空间布置位置及布置密度进行的研究。研究思路主要有以下两种：第一种是通过理论分析确定固定型检测器的最佳布置地点。常用的理论分析方法包括聚类分析、主成分分析和线性规划等。此类方法主要是通过对路网中各路段交通流量参数之间的相似性分析，得出各路段交通流量之间的对应关系，然后确定布置固定型检测器的关键路段。第二种是通过仿真分析来确定检测器的布置方案。研究思想是首先提出多种检测器的布置方案，然后通过大量的仿真模拟试验，得到不同检测器布置方案下交通参数估计及预测的精度或其他交通模型的效果，最后根据交通系统的应用需求来确定检测器的布置方案。移动型交通检测器是近期新兴的交通信息采集技术，发达国家在20世纪80年代就开始了相关研究，主要可以归纳为浮动车样本量及覆盖率问题。近期，国内许多学者也在移动型交通检测器上进行了大量研究和探索，但是目前我国对于移动型交通检测器的研究尚处于起步阶段。其中，虽然对固定型检测器空间布置位置及布置密度进行了研究，但是都是将这两个方面分开进行研究的，因此，需要同时考虑位置与密度的关系，建立一种固定型检测器配置优化的多目标规划模型。
3.2交通流参数短时预测
在过去的几十年里，国内外对于短时交通预测的研究一直很活跃，交通工程方面的研究者在这一研究领域内做了大量的工作。短时交通预测的步长通常小于Tmin，其效果对交通控制、交通诱导、交通事件检测等功能的正常发挥具有重要意义。目前，短时交通预测技术可以分成两大类：即以数理统计和微积分等传统数学和物理方法为基础的预测模型和以现代信息处理技术为基础的预测模型。第一类模型主要包括回归模型、自回归模型、移动平均模型、极大似然估计模型、Markov模型以及卡尔曼滤波模型等，这类预测模型具有充分的传统理论基础，容易理解。但是由于其理论基础大多数是线性估计模型，当预测间隔小于Tn时，由于交通流变化随机性和非线性特性的加强，必然导致模型的预测性能下降。因此，这一类模型适用于交通流比较平稳或呈线性变化条件下的预测。第二类模型不追求严格意义上的数学推导和明确的物理意义，而更重视对真实交通流现象的拟合效果，具有较强的非线性预测能力。比较成熟的模型有非参数回归、神经网络、小波分析等，另外，浑沌分析、分形学、相空间重构、支持向量机等方法的应用也引起了关注。此外，由于上述模型都具有特定的适用条件，道路交通参数具有的时变性与不确定性使得单独使用任何模型都难以给出理想的预测结果，因此，多模型的融合预测方法成为短时交通预测的研究重点。在这里，多模型的权重是动态的，其确定方法有反比例法和等步长最小二乘法，其中，反比例法在每一时段都需要对权重调整，工作量比较大，且不能保证最终的预测模型是最优预测模型；等步长最小二乘法虽然实现了工作量比较小，但是会受到非正常数据的影响，导致拟合度差。因此，需要提出或引入一种新的权重计算方法，以实现多模型融合预测模型的工作量小、且保证最终的预测值是最优的。
3.3交通拥挤识别算法
早期的道路交通管理部门主要依靠人工方式发现道路上存在的交通拥挤和交通事故，其目的是尽快疏散由拥挤和事故引起的交通阻滞。但是随着路网规模的扩大、交通需求与供给矛盾的激化、常发性交通拥挤的增加，发达国家开始研究运用先进技术对道路交通运行状态进行监控的方法，出现了以电子设备为手段的交通监控系统。这时的交通事件自动检测对促进道路交通管理水平的提高发挥了重要作用。国外最早开发并投入使用的交通状态识别算法是以判别突发性交通事件为主要功能的加利福尼亚算法。其开发于1965-1970年之间，通过比较邻近检测站之间的交通参数数据，主要是比较环型线圈检测器获得的占有率数据，判别可能存在的突发性交通事件。德克萨斯州交通协会在1970-1975年期间开发了以判别突发交通事件为主要功能的标准偏差算法，用于休斯顿海湾公路的交通监视和控制中心。标准偏差值SND可通过当前交通参数值减去平均值，再除以标准偏差得到。Dudek等人认为倘若在连续的两个采样周期内的SND值都大于预定的阈值，则认为有突发交通事件发生。 Cook于1974年开发了一种双指数平滑法，用于对突发交通事件的判别。这种算法以交通参数数据的双指数平滑值作为预测值，通过比较交通参数数据的预测值和实测值来构造一个跟踪信号，如果该跟踪信号超过预定的闭值时，就认为发生了突发交通事件。
Persaudetal根据突变理论于1990年开发了McMaster算法，第一次将过大交通需求引起的常发性拥挤作为分析判断的对象。使用大量的拥挤和非拥挤交通状态下的流量一占有率历史数据开发二者分布关系模板，通过将观测数据之间的关系与模板进行两次比较，第一次比较判断是否发生了交通拥挤，第二次比较判断发生的是偶发性拥挤还是常发性拥挤。
莫尼卡算法（Morica）开发于1991年，以连续车辆之间车头时距的测量值和方差、连续车辆之间的速度差为基础，当这些参数超过预定的阈值时，则触发交通事件警报。
国内方面，庄斌、杨晓光等通过对中国城市道路路段上环形线圈采集到的流量和占有率数据进行对比分析和统计推导，从理论上论证了交通拥挤产生的原因；提出了交通拥挤出现与消散过程的相对增量判别准则，并利用给出的判别准则构造出相应的拥挤检测指标，给出了城市道路路段上交通拥挤的平均占有率自动检测算法。
杨兆升、杨庆芳等在对传统不确定性推理融合算法比较的基础上，提出应用模糊综合决策模型来进行多目标多传感器的信息融合，来解决在交通事件中的多事件多传感器的事件识别问题，该模型的主要特点是信息损失少、计算量小，其实用性比较强。
姜紫峰、刘晓坤等提出从多层前向人工神经网络角度建立模型，并运用一个4层的BP网络予以实现。网络中每一层神经元只接受前一层神经元的输入，并在节点上进行复合（线性叠加）和畸变（非线性映射）。通过复合反映不同神经元之间的祸合程度，通过畸变改变输入信息的结构和性态。该方法在识别率、误识率和平均识别时间方面均比较理想㈣。
在检测技术的发展方面，随着科技水平的提高，技术应用的不断增强，移动检测技术已经成为新的发展方向，如浮动车技术作为新兴的有效的技术手段，它以其灵活性、经济性以及广泛适应性，被越来越多的国家运用并取得了良好的效果。常见的关于移动交通检测器的判别算法是基于行程时间的判别算法和基于瞬时速度的判别算法。综上所述，早期的道路交通状态判别算法主要以突发交通事件为研究对象，大部分都以感应线圈采集的交通流量、占有率和地点速度等交通数据为基础，所采用的数据技术主要包括统计分析、平滑滤波等常规方法。近几年来，道路交通判别的研究内容和研究手段都有了很大的变化。一方面，交通需求和交通供给之间的矛盾不断变化，常发性交通拥挤已经成为交通管理的重点之一；另一方面，信息采集和处理技术的进步，为道路交通状态判别研究提供了更有力的技术保障。除了常规交通检测器能够提供的交通量、地点速度和占有率外，间接算法设计的信息基础还包括车头时距、车辆的瞬时速度与行程时间、交通流的平均行程时间和平均行程速度等。
4.总结
为解决城市交通的拥挤问题，需要从供求两个方面来采取措施，但是，二者同时都需要对城市道路交通运行状态进行检测和评价。利用采集到的数据信息对某一时间段的道路网交通状态做出较客观的评估，得出易于被使用者接受、利用的直观信息，从而有利于交通管理部门针对已经出现或即将出现的拥挤情况进行交通分配、诱导和控制，避免和疏导交通拥挤；同时也可以为出行者提供有意义的参考，协助道路使用者在合适的时间选择最佳路径，最快地到达目的地，避免出行时间的浪费，提高道路网利用率。
城市道路交通拥挤状态识别技术主要包括以下内容：交通信息采集技术、交通数据预处理技术、交通数据预测技术、交通拥挤状态判别算法、以及先进的交通管理系统（ATMS）决策技术等。识别城市道路交通拥挤状态的一般过程如图2所示。首先，根据交通管理决策的信息需求，进行交通检测器的选择与布置；其次，通过使用优化布置的交通检测器采集道路上的交通参数数据；然后，在对这些数据进行预处理的基础上，运用短时间交通参数预测技术，对这些数据进行预测；随后，将预测的数据输入到道路交通拥挤自动识别算法，得到一个交通状态判别结果；最后，交通管理系统根据识别结果做出最后决策，从而避免或减轻交通拥挤的发生。
城市道路交通拥挤状态识别是一个复杂的系统过程，包含了很多内容和技术，但是目前文献研究主要对城市道路交通状态识别的以下三个方面进行了研究：检测器的优化配置、交通数据预测、交通拥挤状态识别算法，它们都是交通拥挤状态识别不可或缺的关键技术。
关键词：城市道路交通流；道路拥挤状态；状态识别
1.介绍
随着城市的高速发展，城市交通拥堵、交通效率不高导致的能源浪费成为各个城市发展面临的共同问题，很多城市都大力发展智能交通系统（Intelligent Transportation System，ITS）作为解决城市车路矛盾的重要途径之一。
随着国民经济的高速发展和城市化进程的加快，我国机动车拥有量及道路交通量急剧增加。一方面，由于国民经济的快速发展，民众的汽车拥有量进一步提升，现实条件促使人们由公共交通向个体交通特别是非大容量交通方式转换；另一方面，农村人口继续向城市流动，更多的道路将被更多的人所占有，交通量会出现前所未有的膨胀。尤其是在大城市，交通拥挤堵塞以及由此导致的交通能耗、环境污染的加剧，是我国城市面临的极其严重的“城市病”之一，已经成为国民经济进一步发展的瓶颈问题。德克萨斯州交通运输研究中心（TexasTransportation Institute）的研究报告表明，在1982年到2002年间，全美每年每个出行者高峰时段的平均出行延误由16小时增加到46小时，总延误时间由7亿小时增加到35亿小时，拥挤造成的经济损失由142亿美元增加到6万亿美元。加拿大交通部在2005年发布的一份城市交通报告表明，加拿大每年因交通拥挤造成的经济损失达60亿加元脚。欧洲每年因交通拥挤所造成的经济损失为5000亿欧元，日本东京每年因交通拥挤造成交通参与者的经济损失相当于123000亿日元。我国百万人口以上的大城市，每年由于交通拥堵造成的直接和间接经济损失约计1600亿元，相当于国内生产总值的3.2%，至于拥挤给社会带来的其他负面影响，更是难以估量。
交通拥挤是由于道路系统的某个局部由于通行能力的不足或突发事件而导致车流速度下降或停止运动，此时车流密度明显增加而产生长时间大范围的车辆排队现象，由于道路上车流的快速运动，致使交通拥挤迅速延伸、扩散，最终导致全路网瘫痪H。因此，对实时道路交通流数据信息的获取、准确的鉴别路网中已经发生或即将发生的交通拥挤对制定合理有效的交通拥挤疏导策略，避免因局部交通拥挤而引起全路网的交通瘫痪具有重要的现实意义。
近年来，有大量文献基于交通状态识别的相关技术进行研究，形成了较为系统的城市道路交通拥挤状态识别体系。
2.城市道路交通流运行状态判别基础
城市不同道路的交通流特性存在着较大差别，行驶在城市不同道路上的车辆，由于出行目的、车辆类型、行驶路线、道路条件和交通环境特点各异，其运行状态有不同变化。对城市道路进行交通状态判别时，根据不同等级城市道路的交通流特性，确定城市道路交通流运行状态判别标准是十分必要的。
2.1城市道路分类
城市道路分类的方法有很多，划分的基本依据有：交通性质、交通量和行车速度。由于城市交通结构错综复杂，难以用单一的指标来分类。要综合考虑分类的基本因素，还应结合城市性质、规模及其现状来合理划分。按照我国城市规划中普遍采用的划分方法以及中华人民共和国行业标准《城市道路设计规范》（CJI37-90）对于城市道路的级别区分与构造有详细的规定。该规范中，按照城市道路在道路网中的地位、交通功能以及对沿线建筑物的服务功能等，将城市道路分为四类：快速路、主干路、次干路和支路。并且规定，除快速路外，每类道路按照所占城市的规模、设计交通量、地形等分为I、II、III级。大城市应采用各类道路中的I级标准；中等城市应采用II级标准；小城市应采用III级标准。有特殊情况需要变更级别时，应作技术经济论证，报规划审批部门批准。
2.2城市道路交通流运行特性分析
基于文献研究，分析城市道路交通流运行特性，大抵从时间和空间两个方面。
（1）时间范畴
在城市快速路段车辆的行驶速度一般较高，交通流较平稳，这是因为快速路实行出入口控制，设置有中央分隔带，属于汽车专用道路，不与非机动车产生干扰，故交通环境较好。当与其他道路交叉时，交叉口多为立体交叉，不受信号控制，车辆可以连续的行驶，如图1所示。城市主干路、次干路与其它道路的交叉点大多为信号交叉口，车辆进入城市主干路、次干路后，由于受到信号交叉口的影响，使到达交叉口的车辆在时间上进行了分离，车辆行驶时断时续，不能连续的行驶。通过大量观测分析可以看出，在主干路、次干路路上行驶的交通流周期性的停止，然后在信号允许的情况下，以某种方式进行疏散。支路与其他道路相交时，一般不设信号交叉口。车辆进入支路段后，由于没有信号交叉口的干扰，车辆可以连续的行驶。
从上面的分析可以看出，对于存在信号交叉口的城市主干路、次干路路段，交通流的速度是以信号周期发生周期性变化。如果交通状态判别的时间间隔小于信号周期，则采集到的交通数据具有较强的随机性，难以准确体现交通状态变化的规律性。对于城市快速路以及没有信号交叉口的城市支路，由于没有信号交叉口的管制，交通流平稳，分析时间间隔可以较短。
（2）空间范畴
对城市道路进行交通状态判别时，要尽力保证一个路段或一个分析单元内交通流是一个稳定的运行状态。对于有信号交叉口的路段，主要是指有信号交叉口的城市主干路和城市次干路。主干路、次干路上存在着大量的交叉口，这些交叉口多为信号控制交叉口，由于交叉口的信号控制，当车辆行驶方向遇到红灯时，即使路段不拥挤，车辆也必须停车等待，出现排队现象，当红灯转绿时，这些排队的车辆以饱和流率连续的通过交叉口，以车队的形式前进。这样，主干路、次干路车辆运行带有脉冲的性质。而且主干路、次干路的交叉口之间的距离比较短，在北京的城市道路中，主要交叉口之间平均距离约为1km左右，加减速频繁，表现出明显的间断流特征。因此，有必要对有信号交叉口的路段进行划分，把交叉口前的一段道路单独划分出来。对于城市快速路而言，为了保证快速路的通行功能，需要严格限制非机动车和行人的进入。快速路多以高架道路的形式建设，当快速路采用路面形式时，则需要在与其他道路相交的路口采用立体交叉形式，而且不受信号控制，以保证快速路上车辆可以连续、高速的行驶。因此，快速路上路段的划分相对简单，采用均分法即可。对于没有信号交叉口的支路也可以采用与快速路相似的划分方法。 2.3城市道路运输状态判别
通常，城市道路交通流状态可划分为三种状态：畅通状态、稳定流状态、拥挤状态。
畅通状态是指在车辆较少，车流密度较小时，驾驶员能根据自己的驾驶特性（个人驾驶技巧、驾驶倾向性、身体状况、情绪、出行的紧迫性等）和车辆条件、道路条件及环境条件进行驾驶，基本上不受或少受道路上的其他车辆的影响，通常可以保持较高的车速。
稳定流状态是指车辆行驶不能像畅行状态下自由的任意行驶，车辆速度受到前车的制约，但车辆行驶状态比较稳定，出现意外的干扰并不会使车流紊乱，车流本身具有一定的抗干扰能力，在该状态下交通流量可以达到通行能力时的流量值，在最大流量处，交通流处于稳定的极限，出现干扰就会使车流产生大的波动，车流抗干扰能力明显下降。
拥堵状态是指车流对干扰非常敏感，显示出较大的波动性。驾驶员在该状态下行车，交通密度较大，行驶自由度小，速度受前车制约性强，变化很大，车速忽高忽低，稳定性较差。此不稳定状态的极限形式就是车辆走走停停，驾驶员以及乘客的感觉极差。这种状态正是交通工程人员致力研究，力图避免的。
我国《城市道路交通管理评价指标体系》（2007版）设置了与路段交通状态有关的基本指标，指建成区早、晚交通流高峰时主干道上机动车的平均行程车速，即车辆通过某段道路的长度与通过该条道路所需的总时间之比（包括中间停车时间和延误时间），平均行程车速是所测车辆样本行程速度的算术平均值。这项指标评价标准如表1所示。
这指标体系已经在城市道路交通管理评价中得到了广泛应用，通常将第一、第二级速度对应的交通状态定义为稳定流状态，将第三、第四、第五级速度对应的交通状态定义为拥挤。
由于城市交通状况很复杂，不同路段、区域的情况有所不同，同一路段、区域在不同时段下，情况也不尽相同，所以还可以分不同的时段，来应用不同的判别规则，使系统具有更好的适应能力。
3.城市道路拥挤状态识别
3.1交通检测器布置
动态交通信息的自动采集技术可根据交通检测器工作地点的不同划分为固定型交通检测器和移动型交通检测器两大类。目前在应用固定型交通检测器采集交通信息方面的研究，主要是对检测器空间布置位置及布置密度进行的研究。研究思路主要有以下两种：第一种是通过理论分析确定固定型检测器的最佳布置地点。常用的理论分析方法包括聚类分析、主成分分析和线性规划等。此类方法主要是通过对路网中各路段交通流量参数之间的相似性分析，得出各路段交通流量之间的对应关系，然后确定布置固定型检测器的关键路段。第二种是通过仿真分析来确定检测器的布置方案。研究思想是首先提出多种检测器的布置方案，然后通过大量的仿真模拟试验，得到不同检测器布置方案下交通参数估计及预测的精度或其他交通模型的效果，最后根据交通系统的应用需求来确定检测器的布置方案。移动型交通检测器是近期新兴的交通信息采集技术，发达国家在20世纪80年代就开始了相关研究，主要可以归纳为浮动车样本量及覆盖率问题。近期，国内许多学者也在移动型交通检测器上进行了大量研究和探索，但是目前我国对于移动型交通检测器的研究尚处于起步阶段。其中，虽然对固定型检测器空间布置位置及布置密度进行了研究，但是都是将这两个方面分开进行研究的，因此，需要同时考虑位置与密度的关系，建立一种固定型检测器配置优化的多目标规划模型。
3.2交通流参数短时预测
在过去的几十年里，国内外对于短时交通预测的研究一直很活跃，交通工程方面的研究者在这一研究领域内做了大量的工作。短时交通预测的步长通常小于Tmin，其效果对交通控制、交通诱导、交通事件检测等功能的正常发挥具有重要意义。目前，短时交通预测技术可以分成两大类：即以数理统计和微积分等传统数学和物理方法为基础的预测模型和以现代信息处理技术为基础的预测模型。第一类模型主要包括回归模型、自回归模型、移动平均模型、极大似然估计模型、Markov模型以及卡尔曼滤波模型等，这类预测模型具有充分的传统理论基础，容易理解。但是由于其理论基础大多数是线性估计模型，当预测间隔小于Tn时，由于交通流变化随机性和非线性特性的加强，必然导致模型的预测性能下降。因此，这一类模型适用于交通流比较平稳或呈线性变化条件下的预测。第二类模型不追求严格意义上的数学推导和明确的物理意义，而更重视对真实交通流现象的拟合效果，具有较强的非线性预测能力。比较成熟的模型有非参数回归、神经网络、小波分析等，另外，浑沌分析、分形学、相空间重构、支持向量机等方法的应用也引起了关注。此外，由于上述模型都具有特定的适用条件，道路交通参数具有的时变性与不确定性使得单独使用任何模型都难以给出理想的预测结果，因此，多模型的融合预测方法成为短时交通预测的研究重点。在这里，多模型的权重是动态的，其确定方法有反比例法和等步长最小二乘法，其中，反比例法在每一时段都需要对权重调整，工作量比较大，且不能保证最终的预测模型是最优预测模型；等步长最小二乘法虽然实现了工作量比较小，但是会受到非正常数据的影响，导致拟合度差。因此，需要提出或引入一种新的权重计算方法，以实现多模型融合预测模型的工作量小、且保证最终的预测值是最优的。
3.3交通拥挤识别算法
早期的道路交通管理部门主要依靠人工方式发现道路上存在的交通拥挤和交通事故，其目的是尽快疏散由拥挤和事故引起的交通阻滞。但是随着路网规模的扩大、交通需求与供给矛盾的激化、常发性交通拥挤的增加，发达国家开始研究运用先进技术对道路交通运行状态进行监控的方法，出现了以电子设备为手段的交通监控系统。这时的交通事件自动检测对促进道路交通管理水平的提高发挥了重要作用。国外最早开发并投入使用的交通状态识别算法是以判别突发性交通事件为主要功能的加利福尼亚算法。其开发于1965-1970年之间，通过比较邻近检测站之间的交通参数数据，主要是比较环型线圈检测器获得的占有率数据，判别可能存在的突发性交通事件。德克萨斯州交通协会在1970-1975年期间开发了以判别突发交通事件为主要功能的标准偏差算法，用于休斯顿海湾公路的交通监视和控制中心。标准偏差值SND可通过当前交通参数值减去平均值，再除以标准偏差得到。Dudek等人认为倘若在连续的两个采样周期内的SND值都大于预定的阈值，则认为有突发交通事件发生。 Cook于1974年开发了一种双指数平滑法，用于对突发交通事件的判别。这种算法以交通参数数据的双指数平滑值作为预测值，通过比较交通参数数据的预测值和实测值来构造一个跟踪信号，如果该跟踪信号超过预定的闭值时，就认为发生了突发交通事件。
Persaudetal根据突变理论于1990年开发了McMaster算法，第一次将过大交通需求引起的常发性拥挤作为分析判断的对象。使用大量的拥挤和非拥挤交通状态下的流量一占有率历史数据开发二者分布关系模板，通过将观测数据之间的关系与模板进行两次比较，第一次比较判断是否发生了交通拥挤，第二次比较判断发生的是偶发性拥挤还是常发性拥挤。
莫尼卡算法（Morica）开发于1991年，以连续车辆之间车头时距的测量值和方差、连续车辆之间的速度差为基础，当这些参数超过预定的阈值时，则触发交通事件警报。
国内方面，庄斌、杨晓光等通过对中国城市道路路段上环形线圈采集到的流量和占有率数据进行对比分析和统计推导，从理论上论证了交通拥挤产生的原因；提出了交通拥挤出现与消散过程的相对增量判别准则，并利用给出的判别准则构造出相应的拥挤检测指标，给出了城市道路路段上交通拥挤的平均占有率自动检测算法。
杨兆升、杨庆芳等在对传统不确定性推理融合算法比较的基础上，提出应用模糊综合决策模型来进行多目标多传感器的信息融合，来解决在交通事件中的多事件多传感器的事件识别问题，该模型的主要特点是信息损失少、计算量小，其实用性比较强。
姜紫峰、刘晓坤等提出从多层前向人工神经网络角度建立模型，并运用一个4层的BP网络予以实现。网络中每一层神经元只接受前一层神经元的输入，并在节点上进行复合（线性叠加）和畸变（非线性映射）。通过复合反映不同神经元之间的祸合程度，通过畸变改变输入信息的结构和性态。该方法在识别率、误识率和平均识别时间方面均比较理想㈣。
在检测技术的发展方面，随着科技水平的提高，技术应用的不断增强，移动检测技术已经成为新的发展方向，如浮动车技术作为新兴的有效的技术手段，它以其灵活性、经济性以及广泛适应性，被越来越多的国家运用并取得了良好的效果。常见的关于移动交通检测器的判别算法是基于行程时间的判别算法和基于瞬时速度的判别算法。综上所述，早期的道路交通状态判别算法主要以突发交通事件为研究对象，大部分都以感应线圈采集的交通流量、占有率和地点速度等交通数据为基础，所采用的数据技术主要包括统计分析、平滑滤波等常规方法。近几年来，道路交通判别的研究内容和研究手段都有了很大的变化。一方面，交通需求和交通供给之间的矛盾不断变化，常发性交通拥挤已经成为交通管理的重点之一；另一方面，信息采集和处理技术的进步，为道路交通状态判别研究提供了更有力的技术保障。除了常规交通检测器能够提供的交通量、地点速度和占有率外，间接算法设计的信息基础还包括车头时距、车辆的瞬时速度与行程时间、交通流的平均行程时间和平均行程速度等。
4.总结
为解决城市交通的拥挤问题，需要从供求两个方面来采取措施，但是，二者同时都需要对城市道路交通运行状态进行检测和评价。利用采集到的数据信息对某一时间段的道路网交通状态做出较客观的评估，得出易于被使用者接受、利用的直观信息，从而有利于交通管理部门针对已经出现或即将出现的拥挤情况进行交通分配、诱导和控制，避免和疏导交通拥挤；同时也可以为出行者提供有意义的参考，协助道路使用者在合适的时间选择最佳路径，最快地到达目的地，避免出行时间的浪费，提高道路网利用率。
城市道路交通拥挤状态识别技术主要包括以下内容：交通信息采集技术、交通数据预处理技术、交通数据预测技术、交通拥挤状态判别算法、以及先进的交通管理系统（ATMS）决策技术等。识别城市道路交通拥挤状态的一般过程如图2所示。首先，根据交通管理决策的信息需求，进行交通检测器的选择与布置；其次，通过使用优化布置的交通检测器采集道路上的交通参数数据；然后，在对这些数据进行预处理的基础上，运用短时间交通参数预测技术，对这些数据进行预测；随后，将预测的数据输入到道路交通拥挤自动识别算法，得到一个交通状态判别结果；最后，交通管理系统根据识别结果做出最后决策，从而避免或减轻交通拥挤的发生。
城市道路交通拥挤状态识别是一个复杂的系统过程，包含了很多内容和技术，但是目前文献研究主要对城市道路交通状态识别的以下三个方面进行了研究：检测器的优化配置、交通数据预测、交通拥挤状态识别算法，它们都是交通拥挤状态识别不可或缺的关键技术。