城市交通系统是开放的复杂系统,而交通状态是交通流在特定时间、空间上所表现出的一种分布形态。然而,人们对城市交通系统运行时空状态的认识缺乏充分的了解,使得交通拥挤的控制和缓解措施存在一定的盲目性。随着信息技术的快速发展,城市交通检测数据的获取更为快捷。但是如何通过交通检测数据的分析和处理,对城市交通状态的时空特征进行识别和度量,为城市交通管理提供更有价值的信息,成为急需研究和解决的问题。鉴于此,本文以淮阴市的城市交通检测数据为基础,分析城市交通系统的时空差异和关联特征,研究城市交通系统状态的预测、阈值估计以及综合指数构建的方法。首先,本文对城市交通系统的内涵、基本特性进行了分析,对城市交通系统的时空差异性和时空关联性进行了阐述,提出了基于信息熵的城市交通系统时空差异度度量方法,基于相似系数研究了城市交通状态的时空相似性,利用相关系数分析了时空相关性,并基于相空间重构理论计算了城市交通流量的最大Lyapunov指数,验证了城市交通流具有混沌特性。其次,针对交通流数据的采集会出现不完备和缺失的情况,本文引入云模型方法进行数据预处理,结合自组织神经网络方法提出了云-神经网络交通流预测模型,在预测样本选择时考虑交通流的时间和空间特性,基于空间权重矩阵和时间延时构建了时空相关系数对预测样本进行筛选,并构建了云-支持向量机分类模型对城市交通状态进行分类识别。分析表明,两类改进的方法使交通流预测性能得到提升。随后,针对城市交通流数据的波动性和不稳定性,将函数型数据分析方法引入城市交通研究领域,通过将交通流原始的离散数据转换为函数型连续数据,利用函数的求导等方式分析了交通量的变化趋势,通过对常发性拥挤和偶发性拥挤的交通状态阈值变化估计,结合MEWMA控制图方法进行交通流量波动异常识别,提高了异常状态的识别效率。最后,考虑从总体上向公众提供城市综合交通状态的量化指标,从宏观视角对城市交通系统的拥挤程度进行评价,构建了城市交通拥挤指数,并通过多重分形扩散熵方法分析了城市交通拥挤指数的波动性。针对在给定的供给和交通模式结构下,城市交通流的分布与路网容量之间的耦合性失衡问题,基于拥挤指数和广义饱和度构建城市交通供需耦合指数,对城市交通系统的耦合平衡状态进行度量,为交通管理部门提供一定的参考。本文还基于淮阴市的交通检测数据,对所构建的理论模型进行了验证和分析。论文研究成果对城市交通的检测数据分析处理提供了有效的模型和方法,可望为城市交通管理和控制提供更有价值的信息。