随着我国经济的快速发展和人们生活水平的不断提高,机动车数量急剧增加,导致城市交通拥堵状态的频繁发生。城市主干道承担着城市交通的大部分运力,因此,有效地对城市主干道车流量的分析将有助于更好地了解城市交通流的演化动态,为制定合适的交通管理规划制度奠定理论基础,为改善城市交通拥堵提供依据。针对主干道车流量变化的情况,论文采用区间二型模糊集合方法来对交通流进行分析。论文的主要内容包括以下几个方面的工作:(1)论文运用分层抽样与K均值聚类相结合的方法,对主干道各个方向道路的点数据进行采集。由于周末和工作日车流量变化存在极大差异,且工作日的各个时间段车流量亦存在极大差异,因此,论文把一天分为六个时间段:凌晨、上午高峰期、中午、下午、下午高峰期、夜晚,以每5分钟为一个时间点对交通流的点数据进行分层抽样;利用K均值聚类算法对各个时间段的交通流的点数据进行聚类分析。(2)论文介绍了二型模糊集合的新定义,给出了高斯区间二型模糊集合的基本定义、表述及并、交、补运算方法,并给出了相应的运算实例。(3)运用中心极限定理来将分散的点数据先转换成区间形式,结合区间二型模糊集合与置信区间的方法来处理交通流数据,采用二型模糊控制器对交通流数据进行计算和推理,将得到的计算结果进行去模糊化处理,进而得到论文输出结论。通过仿真实验的结果以及误差分析,展示方法的可行性和实用性。对回归树、BP神经网络、小波神经网络三种分析方法进行误差比较,对比结果表明了文章的交通流分析方法具有更低误差结果,同时具有更高的容错率,因此,论文采用的二型模糊分析方法效果更好。