在社交网络成为人们日常沟通交流必不可少的方式的今天,传统的交通信息发布方式也有了改变:通过自身经历在社交网络中发布交通信息的用户越来越多,而社交网络中的交通信息也对接收信息的其他用户产生较大影响,用户通过解读交通信息,根据自身需求概率转发信息,使得信息在社交网络中传播范围不断增大,从而使更多的人看到交通信息,对实时的交通管理产生影响。本文采用交通信息中的交通拥堵信息作为研究的主体,以社交网络中抽取的与交通拥堵信息相关的虚拟网络为平台,结合信息传播学、交通工程学等学科的基础知识,解决交通拥堵信息在社交网络中的传播机理及影响这一问题,主要包括以下几个方面:1、运用TF-IDS分析社交网络中交通拥堵信息的关键词,依据找出的关键词进行数据挖掘,查找发布过的交通拥堵信息,记录发布交通拥堵信息的用户及与其互动的用户,分析互动用户中发布过拥堵信息并记录互动用户,从而构建交通拥堵社交网络关系模型。2、在基础传播模型的理论上根据交通拥堵信息在社交网络中实际的使用情景以及用户对交通拥堵信息的需求以及兴趣将其分为四种类型:信息发起人、对信息感兴趣且有出行需求的人、对信息感兴趣但无出行需求的人、对信息不感兴趣的人并描述针对影响力模型和传染病模型的相应的信息传播规则。在传播规则的基础上,建立描述信息传播过程和节点影响力的线性影响力模型以及主要描述传播过程中用户状态变化的基于不同用户类型改良SIR(传染病)模型。3、分析交通拥堵信息传播中初始信息发起人数量、传播衰减因子、信息忽略阈值这三个影响因子起到的作用,提出交通拥堵信息的三个传播评估指标(传播范围和速度、各状态节点密度),通过传播效果最大化模型选取节点影响力最大的初始传播点,分析效果最大化下的全局影响力,以此评价信息传播效果。4、在新浪微博的实际数据的基础上建立用户关系网络,分析不同影响因素下的传播效果,并计算得到最大传播效果。结果表明:初始传播点数量较多的传播情况更能迅速到达平衡,用户数量会随着衰减因子的增大而更快速地减少,信息忽略阈值会影响免疫状态用户信息传播过程中的数量变化情况,交通拥堵信息的传播相较于一般信息传播速度更慢、传播范围更小。