随着我国汽车保有量的快速增长,高速路拥堵日益严重,如何科学有效地监测高速路拥堵是高速路交通管理与控制的重要基础。目前常用的监测技术手段主要有环形感应线圈等固定式监测和GPS浮动车监测,但存在覆盖范围窄、成本高等问题。因此,本文基于移动用户信息进行高速路交通信息采集与拥堵识别,从而实现对高速路的低成本、全天候、大范围和实时拥堵监测。首先,本文研究和分析了移动通信网络用户信息的数据特征和高速路的交通特性。根据我国高速路服务水平分级,重点研究了高速路车辆行驶速度、交通密度和交通量对交通状态变化的敏感性,选取平均行程速度和交通密度作为度量高速路拥堵的指标。其次,基于选取的高速路拥堵度量指标以及对本课题拥堵模型的需求分析,完成高速路拥堵模型的整体方案设计。通过分析与研究高速路上移动网络无线覆盖的特点,完成了高速路与移动网络的空间覆盖匹配,提出了一种基于匹配投影点活跃度的路段动态划分方法。基于移动用户信息数据提取用户的移动轨迹,结合高速路车辆行驶特征,提出了一种高速路车载手机用户的识别方法。在分析与研究目前常用的速度与交通密度计算方法的基础上,本文采用平均车载手机数和速度加权融合的方法计算交通密度和路段平均行程速度,有效提升了计算结果的准确度。然后,针对传统数字硬性划分交通状态中的随机性和模糊性,本文采用云匹配的方法进行高速路拥堵识别;提出了一种基于云图重叠度的云相似性匹配方法,并通过实验仿真验证了算法的有效性和可靠性。最后,通过某移动公司提供的移动用户信息在其数据处理平台上对模型进行验证,将模型运行结果与高速路上固定检测器数据进行对比,表明本文提出的拥堵模型在速度、密度计算和拥堵识别等方面满足模型的设计需求,具有一定的实用价值。