重大活动举办期间，会产生强聚集性、高冲击性的交通需求，将对当前聚焦于解决通勤、通学、公务等日常交通出行的城市交通系统提出严峻的考验。随着国内经济的发展以及城市品质的提升，一些具有国际影响力的重大活动在国内许多城市频繁举办，既能保障重大活动顺利进行，同时又能减少重大活动对日常交通产生的影响，是亟待解决的一个难题。掌握重大活动举办期间的区域交通特性，精准辨识区域交通运行状态，并对未来交通态势进行推演，有助于交通管理者制定并发布相应的控制策略，对于保障重大活动顺利开展有着重要意义。
　　本文立足于缓解重大活动期间区域交通拥堵问题，以典型重大活动期间区域交通状态对研究对象。首先分析重大活动区域交通特性与交通状态影响因素；其次基于风玫瑰图解析路径拥堵变化规律，基于Pearson相关系数建立拥堵程度量化模型，建立一套重大活动区域实时的交通状态辨识方法；最后基于高斯烟羽模型确立重大活动区域极限影响距离，并利用BP神经网络预测未来道路拥堵程度，考虑出行引导方案下发后交通状态的改变，实现重大活动区域交通态势推演。本文具体研究内容如下：
　　（1）交通状态数据分析及预处理。阐述了GPS的检测原理以及数据优势，并提出针对GPS数据的冗余、错误问题的原始数据预处理详细步骤及流程，最后给出GPS数据关联匹配技术流程，以得到有效完整的可视化数据。
　　（2）重大活动区域交通要素研究分析。阐述重大活动定义及分类，基于交通需求、交通流、交通状态三个特征，分析了重大活动区域的交通特性，掌握了重大活动区域交通状态的基本变化情况，最后结合重大活动特征属性、综合交通条件、交通流参数等多个因素，分析其对重大活动区域交通运行状态的影响。
　　（3）重大活动区域道路交通状态辨识方法研究。提出了刻画交通运行状态变化的时空特征指标；基于风玫瑰图表征重大活动区域拥堵距离、拥堵扩散强度、拥堵扩散速度，并给出了完整的拥堵距离判定算法；引入Pearson相关系数对重大活动区域的拥堵程度进行了量化，提出了用当前路径与其极限状态下的拥堵状态接近程度表示交通状态的方法。
　　（4）重大活动区域交通态势推演方法研究。利用高斯烟羽模型，将交通拥堵扩散类比毒气在大气中扩散，预测了重大活动区域拥堵极限距离；基于BP神经网络算法，对历史道路延时指数进行学习训练，预测出未来的道路拥堵程度；最后考虑出行引导方案发布，改变交通需求后，基于流量速度拟合建立了路径交通运行状态预测方法。
　　（5）实证性研究。本章选取重庆市渝北区悦来国博中心及其影响区进行实证性研究。基于风玫瑰图思想对悦来片区的交通拥堵距离、拥堵强度、拥堵扩散速度进行计算，基于Pearson相关系数对悦来片区的拥堵程度进行了计算，并计算出路径实时拥堵与极限值的接近程度；利用高斯烟羽模型预测出各路径拥堵距离，考虑拥堵扩散系数?的预测精度达到87.51%，考虑各路径极限影响力dC的预测精度达到89.30%，两种方法预测精度均较高，后者预测精度更为准确；利用MATLAB中BP神经网路对道路延时指数进行预测，预测平均误差为0.1116，最后计算了出行引导方案下发后的交通运行态势。