为了定量评价交通拥堵的状态,国内很多城市都开发了自己的拥堵指数系统。通过将聚类分析的数学模型应用于已有交通运行数据,研究者发现了交通拥堵模式的变化规律,作为支持拥堵态势预测和缓堵政策研判的基础。然而,现有研究大多是使用交通流数据进行交通拥堵模式分析,基于交通拥堵定量评价指标的交通拥堵模式聚类分析相关研究较少。本文目标是基于北京市的交通拥堵指数(TPI),建立交通拥堵模式聚类分析模型,以此分析城市的交通拥堵模式特点。为实现上述目标,首先阐述了北京市交通拥堵指数的特点及其计算方法,以及基于交通拥堵指数的交通拥堵模式变化规律；随后,从聚类分析的四个部分出发,分别论述了每个部分包含的不同方法,并以此为基础建立了三种交通拥堵模式聚类分析模型,分别是基于交通指数曲线几何形状的聚类指标(模型Ⅰ)、基于k-means聚类法及指数曲线几何分析的模型(模型Ⅱ)以及基于k-means聚类法及指数连续时变特点的模型(模型Ⅲ)；然后,提出三种聚类分析结果的评价指标,对上述三种模型2014年第二季度数据的聚类结果进行评价,得出相对较优的模型,并将该模型应用于2015年同期数据,以检验其稳定性；最后,分析不同年份北京市交通拥堵模式变化的规律,并将模型应用于上海、广州、深圳的交通指数数据,分析其交通拥堵模式。研究表明,使用基于交通指数连续时变差异的指标较使用基于交通指数曲线几何形状的指标,其对交通拥堵模式的差异反映更全面,聚类分析效果更好；使用最大Silhouette测度确定最佳类数,能够有效避免类数确定中的主观性,确定更合理的聚类数；使用聚类分析指标的变异系数作为权重可以更好的刻画不同样本点之间的差异性,增强聚类分析结果的可靠性；类内变异系数CV内、类间变异系数CV简、覆盖度CR三个指标可以合理评估聚类方法的有效性；本文建立的聚类模型,将北京市第二季度的日期分为6类,可以覆盖81.3%的日期,类内一致性指标CV内达到0.141,类间差异性指标CV间达到0.337。以此模型分析国内其他典型城市如上海、广州、深圳的交通指数数据,表明此模型同样适用于国内其他典型城市,且聚类分析的结果展现了不同城市交通管理政策措施的差异。