1.2　国内外道路交通状态判别研究

早期的交通拥堵状态识别主要采用人工的方式，但是随着路网规模的扩大，城市车辆的增加，人工识别方式显得力不从心。国内外的专家学者开始研发交通拥堵状态自动识别（Automatic Congestion Identification, ACI）方法，并取得了大量的研究成果，对提高道路交通管理水平起到了很大的作用。

早在20世纪六七十年代，国外就出现了很多交通拥堵判别方法，主要有加利福尼亚算法（加州算法）、双指数平滑算法、标准偏差算法、贝叶斯算法、Mc Master算法、波动分析法等，这些交通拥堵判别方法都是基于感应线圈检测技术实现的。

进入20世纪90年代，随着模糊数学、模式识别、神经网络、支持向量机等理论的发展和数据融合、视频检测、浮动车等技术的进步，出现了更多的交通拥堵状态判别新方法，主要有基于人工神经网络（Artificial Neural Network, ANN）的方法、基于视频图像处理技术的方法、基于三相交通理论的方法、基于支持向量机的方法、基于浮动车数据的方法、基于卡尔曼滤波的方法、基于模糊数学的方法等，这些方法多数是针对高速公路突发事件进行判别的。

除此之外，Shantanu Das和David Levinson运用排队论和统计分析的方法提出了一种高速公路交通瓶颈识别方法，结果表明随着交通流状态的变化，动态交通瓶颈是会发生转移的。

国内关于交通拥堵自动识别研究起步得比较晚，大概开始于20世纪90年代，在国外相关理论的基础上，多数研究成果是基于模式识别、神经网络等实现的。

长安大学姜紫峰教授是交通事件检测领域研究比较早的专家，他的研究成果主要有《基于小波分析和神经网络的高速公路自动检测算法》（1996）、《高速公路事故自动检测算法的探讨》（1999）、《基于神经网络的交通事件检测算法》（2000）等，这些研究成果都推动了我国交通事件检测技术的发展。吉林大学姜桂艳教授也是交通事件检测领域的专家，她的研究成果之一为《高速公路交通事件自动检测系统与算法设计》（2001），该论文设计了一种高速公路三级报警制度，同时应用三层前向神经网络对交通事件进行检测；除此之外，还提出了基于模糊聚类的城市道路交通状态判别方法。吉林大学杨兆升教授也是交通事件检测领域研究较早的专家，在国内，他最早将模糊推理应用到交通事件检测领域。随后，各种交通信息检测技术迅速发展，进而出现了很多基于交通信息采集技术的交通状态判别方法，如基于环形线圈采集技术的方法（2006），基于GPS浮动车数据的方法（2007）、基于感应线圈数据的方法（2007）、基于视频检测的方法（2010）等。

近几年，国内的专家和学者热衷于对区域交通状态识别方法的研究，多数研究成果是考虑了交叉口和路段的交通状态或者结合路网的拓扑结构对区域路网的交通状态进行识别。除此之外，非常态事件下的区域路网交通状态判别也有不少的相关研究成果。

专门针对交通瓶颈识别方面的研究成果主要有：贺寒辉（2006）在基于仿真技术研究交通瓶颈时给出的一种基于约束理论的瓶颈定位方法；胡迎鹏（2008）通过对实际路网的抽象，并结合路网流量均衡理论，设计了一种路网瓶颈点的识别方法；戢晓峰（2009）提出了一种基于粗糙集的路网交通瓶颈识别方法；郑中元（2009）将城市道路中的交通瓶颈分为要素瓶颈和结构瓶颈两大类，对于要素瓶颈设计了识别指标，给出了识别的流程，并进行了验证，在此基础上，实现了结构瓶颈的识别；邓瑞（2012）分别基于模糊推理和关联规则挖掘提出了固定交通瓶颈识别方法和动态交通瓶颈识别方法。