随着经济的高速增长，我国高速公路建设也迅速发展。同时高速公路的拥堵现象也越来越常见，而交通拥堵会造成通行效率降低和环境污染等一系列问题产生。因此，研究影响因素对高速公路流量型拥堵的具体影响，对流量型拥堵的成因进行解析，对于提高高速公路管控效率，缓解交通拥堵具有重要意义。本文从对高速公路流量型拥堵进行定性和定量分析出发，对高速公路多源数据进行获取与处理，通过辨识流量型拥堵数据，构建流量型拥堵信息档案，在此基础上，对高速公路流量型拥堵的成因进行分析。本文的研究工作主要包括以下几个方面：
　　(1)多源数据获取与处理。通过对高速公路流量型拥堵进行定性和定量分析，从道路条件、交通流和时间因素三个方面讨论流量型拥堵的影响因素；在结合道路重要构造物(如隧道)对高速公路进行路段划分的基础上，基于高德地图开发者平台路径规划API获取平均行程时间数据，并在分析路段本身和相邻路段的交通状态的前提下，建立异常值辨识和处理方法；利用联网收费数据，推算断面流量。
　　(2)流量型拥堵辨识。通过建立高速公路高频拥堵路段辨识方法，分析拥堵的空间和时间特征；根据事故发生时路段流量和平均速度的变化特征，建立基于速度突变幅度的流量型拥堵判别方法，结合统计分析方法确定指标的阈值范围，通过分析验证，该辨识方法能较好地区分流量型和事件型拥堵；在此基础上，引入现实变量和虚拟变量，构建流量型拥堵信息档案。
　　(3)流量型拥堵成因分析。基于SHAP框架和回归分析方法对流量型拥堵的成因进行解析。运用XGBoost算法对因素进行重要度排序，结合SHAP值可视化分析对XGBoost的结果进行解释；通过回归分析方法，找出解释度最高的因素组合，构建重要因素组合回归模型进行分析。
　　基于SHAP框架和回归分析方法的分析结果表明：流量、路段长度、大车占比和时段因素是影响流量型拥堵的重要因素；前者从整体道路层面对各个因素阈值进行定量分析，后者能分析多因素共同作用对流量型拥堵的影响，从更微观的路段层面对各个因素阈值进行定量分析；对整体数据集而言，XGBoost模型估计效果更好，重要因素组合回归模型在有拥堵情况时估计效果更好，两种模型都具有良好的可靠性。