高速公路交通状态实时判别是高速公路运营管理与控制体系中的关键技术之一,针对现有交通状态判别方法在判别所得状态的精细程度、合理性及稳定性等方面的不足,本文使用实际采集的高速公路三参数交通流数据,构建、测试并评估了基于时间序列模糊C均值聚类的高速公路交通状态实时判别方法,具体内容如下。在模型的构建、状态判别流程的梳理及判别方法的实施方面,本文以长度为五分钟,观测时间间隔为二十秒的交通流三参数时间序列数据作为模糊C均值聚类模型的最小样本单元,选择动态时间弯曲算法进行样本间的相似度度量,构建了时间序列模糊C均值聚类模型。接着,本文依次进行了历史交通状态及状态模式特征的分类与提取,同时结合现有高速公路交通状态判别相关研究成果,论证了模型离线聚类结果的合理性。针对判别所得交通状态在短时内频繁不合理波动问题,本文基于时间序列模糊C均值聚类模型所提供的交通流时间序列样本隶属度信息,提出了一种交通状态实时平滑方法,在保证判别所得状态合理性的同时,消除了交通状态的短时频繁不合理波动。随后本文梳理了整套高速公路交通状态实时判别方法的具体流程,并在统计分析软件R中,模拟高速公路交通状态实时判别场景,采用测试数据集,对本文提出的状态判别方法进行了测试。在判别结果的评估与分析方面,本文从各状态下交通流三参数的统计特征、各状态下的交通流三参数时间序列图、各状态下的交通流三参数关系矢量图及其斜率统计等方面对判别结果的合理性进行了评估与分析;根据状态时变图及隶属度时变图对判别结果的稳定性进行了评估与分析;对状态平滑阈值的选取进行了评估与分析。在判别方法的横向比较方面,本文选择了在实际应用及相关研究中被广泛使用的单速度阈值状态判别法及道路服务水平划分准则,对上文所用的测试数据进行了交通状态的实时判别,并从判别所得状态的精细程度、合理性及稳定性方面,比较分析了三种判别方法的性能,结果表明,在本文的数据环境下,本文提出的基于时间序列模糊C均值的高速公路交通状态实时判别方法在上述三个方面的表现更加优秀。