交通拥挤已经成为亟需解决和缓解的重要城市问题,交通拥挤往往是由路网中的固定及动态瓶颈路段所引发的,若不及时采取相应的交通规划与管理措施将导致瓶颈路段的拥挤扩散至上游路段乃至整个网络,形成难以控制的大范围拥挤区域。因此,识别(预测)路网中的固定瓶颈及动态瓶颈是动态交通规划及拥挤网络管理与控制策略制定中所需解决的重要问题。本文主要研究的内容包括识别路网中常常引发拥挤的固定交通瓶颈及识别(预测)实时路网中的动态交通瓶颈两个方面,其中固定交通瓶颈的识别主要应用于路网规划及动态改善性规划,动态交通瓶颈识别与预测主要应用于拥挤网络管理与控制,其预测结果可直接指导下一时间单位网络的管理控制策略。本文首先分析了城市路网中交通瓶颈形成的机理,研究形成交通瓶颈的随机影响因素和确定影响因素,并依据交通瓶颈形成及演化规律确定了交通瓶颈的时空分布特性及存在形式。其次,在分析了固定瓶颈形成机理的基础上,选取能够识别路网固定交通瓶颈的重要参数,并对其进行了量化分析。采用模糊推理方法将各个识别因素进行融合,识别规划路网及改善阶段路网中的固定交通瓶颈。然后,分析了动态瓶颈的成因并对其概念进行了明确界定,应用数据挖掘的技术方法提取识别动态瓶颈的交通信息。采用关联规则挖掘方法提取瓶颈路段及路段状态属性的识别信息,实时确定网络中的拥挤区域,并提出了区域路网瓶颈的识别方法及识别流程。最后,考虑了交通流随时间及空间变化的特征,将约简后的具有时空属性的变量作为预测模型的输入变量,将下一单位时间的路段状态属性识别信息作为模型的预测对象,建立了基于BP神经网络的动态瓶颈预测模型。