随着城市化、机动化进程不断推进,交通拥堵问题成为各个城市面临的难题。交通拥堵可以用多个指标进行评价,计算指标的基础在于数据的采集。相比于传统方法,使用车载GPS设备采集出租车数据具有多种优势。本文基于出租车轨迹大数据以及道路网数据,对杭州市进行交通拥堵评价,并对拥堵模式进行识别,为杭州市交通拥堵治理提供思路,本文的主要研究内容如下:（1）设计出租车数据预处理方法。本文的研究数据为2017年12月4日——2017年12月10日的杭州市出租车GPS数据以及道路网数据,由于原始出租车数据当中存在质量问题,本文设计了数据清洗流程以排除质量问题干扰,并使用道路匹配算法将出租车数据与路网数据联系起来。（2）设计道路拥堵评价指标计算方法。本文基于道路限速信息对路段进行了更精细的等级区分,依据交通工程学相关理论,计算各个等级路段上的车辆速度频率分布,从而确定各等级道路对应的拥堵等级划分标准。根据在各个路段上行驶的车辆速度信息,以15分钟为统计间隔将全天划分为多个时间段,计算每个时间段内各个路段的平均速度。通过统计平均速度数据,计算各个路段在每个统计间隔内的拥堵等级,并使用INRIX指数算法计算单个道路以及整体路网在每个统计间隔内的拥堵指数。（3）分析研究区域内交通拥堵的时空特征。基于道路拥堵评价指标,本文分析了杭州市交通拥堵的时空特征。空间分布特征方面,杭州市的拥堵集中发生于四个区域,其空间分布状态随着时间不断变化,并且其变化特点在工作日早晚高峰、节假日早晚高峰期间有所不同;时间变化特征方面,研究区域内整体道路网的拥堵指数在工作日具有“双峰”的日内形态,在节假日则只有“单峰”,并且其峰值出现在晚高峰期间。（4）常发性拥堵路段的拥堵模式识别。由于处于非拥堵状态的路段不具有明显的拥堵模式,因此本文重点对拥堵较为严重的路段进行拥堵模式识别。本文首先根据路段在单日内处于严重拥堵程度的时间长度,筛选得到常发性拥堵路段。随后使用聚类分析方法对常发性拥堵路段进行交通拥堵模式识别,本文构建了交通拥堵模式聚类分析模型,包括聚类算法、聚类指标以及获取最佳聚类数量的方法。本文使用上述模型对各个常发拥堵路段的拥堵指数日内变化曲线进行模式识别,得到六种拥堵模式,并在分析各个模式特征的基础上总结归纳为多峰型、前低后高型、尖锐型以及前高后低型四种拥堵模式。本文描述了各个拥堵模式的特征,并结合各个模式中的实际路段进行分析,为交通管理部门针对不同类型的拥堵制定不同的治理策略提供了一定思路。