由于高速公路隧道半封闭的特殊环境和驾驶员人为因素,隧道中的交通状态往往会发生变化,而这种变化容易导致交通拥堵和交通事故的发生。本文旨在通过对隧道路段、断面的交通状态判别以及交通状态表征参数估计算法进行研究,提出隧道交通状态判别的方法,协助隧道管理部门及时准确地做出管理决策。本文首先对高速公路隧道环境及车辆行驶的特征进行分析,提出在对隧道交通状态进行判别时应将车辆构成作为判别指标之一,并利用VISSIM仿真验证了车辆构成对隧道交通流的影响。其次,针对现有高速公路交通状态判别方法应用在隧道环境中所面临的困难,分别对隧道路段和断面的交通状态判别方法进行研究,对于路段的状态判别,利用隧道各区段进出口断面的交通流参数建立平均行程车速的多元线性回归估算模型,并根据估算值判别路段状态;对于断面的状态判别,先采用独立性权数法对速度、流量、占有率和车辆构成四个断面交通流参数的权重进行计算,并对FCM算法进行基于特征参数加权的改进,利用改进后的FCM构建交通状态划分模型将状态划分为五类,然后采用GBDT算法建立交通状态判别决策模型完成断面状态的判别。最后,针对实地调研时发现的隧道交通状态表征参数采集所面临的实际困难,提出利用隧道出入口处数据对隧道内部的交通状态参数进行估计的方法,构建了基于LSTM的隧道交通参数估计模型分别对路段的平均行程车速以及断面的速度、流量、占有率和车辆构成进行估计。论文以西南某高速1420米的长隧道为例,采用本文所提方法分别对其进行路段平均行程车速估算及状态判别、断面状态划分及判别决策模型构建以及交通状态参数估计。其中,平均行程车速估算模型的MAPE为0.021,利用其进行路段状态判别准确率达0.927,均优于断面均值法与未考虑车辆构成的回归模型;基于GBDT的断面状态判别决策模型准确率达0.991,优于RF、KNN与SVM模型;基于LSTM的参数估计模型对五个参数的估计效果均显著优于RNN与RF模型。实验表明本文提出的方法和模型均是适用且有效的,能够准确地判别高速公路隧道的交通状态并估计交通状态参数。