董春娇，邵春福，谢 坤，李慧轩

（1.田纳西大学 交通研究中心，田纳西 诺克斯维尔37996；2.北京交通大学 城市交通复杂系统理论与技术教育部重点实验室，北京100044）

交通流状态判别有多种方法，从简单的人工巡逻判别方法到紧急电话、移动电话判别方法，从闭路电视判别方法到全自动电子监视判别方法等等.这些方法都能够在一定程度、一定范围内发现道路上存在的交通拥堵状况.

最早开发并投入使用的交通流状态判别算法是以判别突发交通事件为主要功能的加利福尼亚算法.经过实践和进一步的深入研究，1978年Payne和Tignor［1］公布了10 种基于最初的加州算法的改进算法，其中性能最好的是加州7＃算法和加州8＃算法.1993 年Chassiakos和Stephanedes［2］开 发 了 一种低通滤波算法，采用移动平均的方法去除交通流参数实测数据中的噪声和高频成分，只保留低频数据实现对交通拥挤的判别.同年Abdulhai［3］建立了概率神经网络（PNN）对突发交通事件进行判别.同年Antoniades和Stephanedes［4］开发了一种单监测站交通事件判别算法（SSID），运用统计分析中的T检验方法分析单个监测站占有率数据差异实现对突发交通事件的判别.综上所述，早期的交通流状态判别算法主要以突发交通事件为研究对象，大部分都以感应线圈采集的交通流量、占有率和地点速度等交通流数据为基础，所采用的技术方法主要包括决策树、统计分析、平滑滤波等常规方法.经过近40年的发展，模糊理论、专家系统、模式识别、人工神经网络等人工……