目前我国大多数的高速公路安装了不同规模的电视监控系统,不同规格的车辆检测器等数据采集设备,但是这些设备收集到的高速公路海量交通数据并没有充分的分析与利用,导致高速公路交通运行状态的判别分析,普遍停留人工判别的阶段。为此,本文在分析海量的交通数据特征的基础上,构建出适用特定高速公路的交通运行状态划分标准及实时判别决策模型。这对于提高高速公路的运营管理效率,具有重要的研究意义。首先,对交通运行状态指标及其相互关系进行分析,确定交通运行状态判别指标选取的原则,并结合现有数据采集技术的优缺点,确定交通运行状态判别所采用的指标。然后从检测器采集数据时的技术局限出发,给出了交通数据的故障识别与处理方法。并从时间序列趋势特征、相互影响特征、概率统计特征三个方面对交通数据特征进行分析。接着在分析现有国内外交通运行状态划分标准的基础上,提出了基于模糊聚类的交通运行状态划分思路,并采用模糊c均值(FCM)聚类算法对历史交通数据进行聚类分析;将得到的聚类中心作为划分标准依据,结合交通数据的特点,提出基于单指标判别与多指标综合判别方法,并进一步提出拥堵决策的二级报警模型及路段交通运行状态定性分析方法。针对FCM算法稳定性依赖于初始化参数的特点,对数据集、加权指数、聚类数以及初始聚类中心等参数进行优选,并据此对FCM算法进行改进。最后以从广东省开阳高速公路收集到的交通数据为基础,对本文所构建交通运行状态判别方法进行实例分析研究,验证了本文所提出的交通运行状态判别方法及决策模型的有效性与可行性。