实时道路拥挤评价是中心式动态导航关键技术之一。研究道路拥挤评价算法，快速准确的判别交通状态，及时发布道路交通信息，既可以为驾驶员提供最优的路径，避免交通堵塞现象的发生，也可以有效疏导交通流，避免因局部交通拥挤而引起全路网的交通瘫痪。拥挤的实时检测与评价，是正确审视交通拥挤的前提性工作，具有重要理论与实际意义。 本文从讨论交通拥挤的基本成因入手，结合国内外交通拥挤的评价方法，考虑到交通状态具有模糊性和主观性的特点，通过分析交通流参数与交通拥挤现象之间的关系，运用模糊数学的方法对交通流参数（交通流量和平均速度），以及交通拥挤程度进行描述，初步建立道路拥挤评价的模糊推理系统。为提高系统判断的准确率，本文利用交通仿真软件VISSIM实时采集交通流数据和人们对仿真实验所呈现的交通拥挤程度的评价数据，对模糊推理系统参数进行了辨识。辨识采用了自适应神经网络方法，最终建立能够真实反映人对于交通拥挤程度感觉的自适应神经模糊推理系统。 为验证推理系统的可行性，本文进行了软件仿真实验。将平均速度和流量的实时数据分别作为初始的模糊推理系统和经过训练后的神经模糊推理系统的输入，获取系统对于道路拥挤程度的评价，再与人工判别结果相比较。模糊推理系统的拥挤判别率是77．63%，拥挤误判率为0．2238；神经模糊推理系统的拥挤判别率是92．96%，拥挤误判率为0．0995。可知，训练后，算法判别率提高了17．53%。充分证明实时交通拥挤评估的神经模糊推理系统算法有较高的实用性和可行性。将实际交通中的人类体验与训练模型对照，可以发现，神经模糊推理系统可以很好的体现人们对于拥挤的感觉变化规律，为交通拥挤评价方法提供一定的理论参考。