城市交通系统是城市生活的重要保障,同时促进了城市经济、社会的发展,但城市的快速发展导致人口和机动车保有量迅速增加,引发交通需求和交通供给之间的矛盾,形成了交通拥堵现象,同时带来了环境污染、交通安全等问题。因此,把握交通拥堵产生的时空关联性规律,从而进行提前预防和疏导,可以有效减少拥堵的发生频率并降低拥堵的影响范围。当前拥堵的时空关联分析,通常只涉及时间或空间的关联性,少数针对时空整体的关联分析,然而这些研究通常割裂了时空之间的关系。为此,本文提出了基于道路网络卡口数据的交通拥堵识别方法,以及拥堵区域间的时空关联性分析方法。本文首先进行了交通状态的识别。针对各交通状态定义的不确定性和模糊性,使用FCM模糊聚类算法(Fuzzy C-means clustering)进行交通状态的识别,同时结合“kmeans++”算法确定初始聚类中心,克服了 FCM算法对初始聚类中心敏感的问题,提高了聚类的效果,并对各交通状态在时间和空间的分布特征进行了分析,得到了如下结论:拥堵区域在工作日的早8点和晚17点左右、非工作日的早10点和晚17点左右最多;拥堵区域常分布在地铁站点、学校和立交桥附近区域。其次对拥堵区域之间的关联性进行研究。设计了时空关联规则,包括事务内时空关联规则和跨事务时空关联规则。前者用于挖掘拥堵区域之间的相关性;后者用于挖掘不同时间拥堵区域之间的关联性,获得拥堵在时空上的演化规律。最后,针对算法存在重复扫描数据库、支持度计算困难和候选频繁集庞大的问题,从算法逻辑和数据结构角度提出了三步改进策略。实例分析验证了改进算法能够大幅度提升运算效率。最后将提出的时空关联规则算法用于天津市道路交通拥堵的时空关联性分析。首先使用FCM算法获得拥堵区域,形成拥堵时空事务集。其次,在事务集上应用事务内时空关联规则,分析工作日、非工作日在高峰时段拥堵区域间的相关性。最后,应用跨事务时空关联规则,分析工作日、非工作日高峰时段拥堵演化的规律。研究表明,拥堵区域在时间和空间上均存在关联性,不仅同一时段内的各拥堵区域之间存在相关性,而且不同时段的相邻拥堵区域间也存在关联特性。通过挖掘拥堵的时空关联规律,能够加深对拥堵产生、演化规律的认知,从而为区域拥堵的疏导、管理与控制策略提供科学支撑,进而改善道路运行状况,提高拥堵治理水平。