近年来,随着城市化水平的不断提高,汽车保有量的不断增加,交通拥堵、出行安全、环境污染等一系列问题渐渐凸显。单纯增加城市交通基础设施的做法不仅耗费巨大的人力、物力,而且效果有限,因此如何对交通进行有效的管理和控制,是智能交通系统的重要研究内容。城市交通路网是一个规模巨大的复杂非线性时变系统,很难进行统一的管理和控制。对城市路网进行分区后,可以对每个子区域实施有针对性的控制方案,使路网系统变得灵活、可靠,而且需要实时处理的数据量明显减少,能够满足实时性的要求。本文选定望京区域作为研究对象,搭建VISSIM仿真平台,基于北京市浮动车数据设置仿真平台相关参数,复现研究区域的通行情况。之后利用聚类算法对望京区域进行分区,并利用宏观基本图(Macroscopic Fundamental Diagrams,MFD)从定性和定量的角度对分区的结果进行评价。本文的主要内容如下:首先,只考虑速度和密度信息,用K均值(K-means)聚类算法对路网进行分区,然后加入路段的空间位置信息再次进行分区,并将两种方法进行了对比。聚类结果表明本文提出的考虑路段空间位置的分区方法效果更好。并利用分区后子区域的MFD对K-means算法的分区结果进行评价,而且通过MFD的拟合函数,提出了一种衡量分区结果的标准。其次,使用改进的模糊C均值(FuzzyC-means,FCM)聚类算法确定聚类类数和初始聚类中心,对望京区域路网进行分区。利用分区后子区域的MFD评价改进的FCM算法的分区结果,评价结果表明,与K-means算法的分区结果相比,改进的FCM算法的分区结果更加理想。最后,用模糊综合评价方法对子区域内路段的交通状态进行判别,由此得出子区域内部拥堵路段比例随时间的变化情况,结合MFD的性质提出了一种子区域拥堵的评价标准。对望京区域路网进行动态分区,并分析了交通拥堵随时间的变化情况,确定了关键路段。