随着社会经济的快速增长,城市交通拥堵问题日益严重。合理分析道路的交通状态,是交通控制系统与交通流诱导系统协同的重要依据。对道路的交通状态进行合理预测,并将之作为诱导内容进行发布,不仅能更好的反应道路运行状况,为交通管理部门做出正确的决策提供支持,还能更好的被出行者接受,减少出行者出行时间,提高出行质量,进而减少道路拥堵。城市快速路是城市路网的主要组成部分,承担城市中大部分出行交通,城市快速路的交通状态在相当程度上反应了城市路网的交通状态与出行质量。本文以北京市快速路微波传感器数据为基础,研究了基于道路服务水平的快速路交通状态预测方法,主要的研究工作如下:首先对北京市快速路交通状态数据的采集与预处理进行了研究,然后对不同周期、不同日期、不同时间段路段的交通状态数据进行统计分析,得出交通状态的时变规律,进而将交通状态划分为不同的模态,为交通状态的分模态预测提供了理论支持和数据基础。其次根据北京市快速路交通状态模态划分标准,提出了基于分模态的ARIMA道路交通状态间接预测方法。该方法运用传统的ARIMA模型对历史数据分模态进行训练,对交通流三大参数进行预测,根据微观交通状态评价方法,间接实现对交通状态的预测。实验结果表明,该方法不仅预测交通状态具有很高的准确性,还对交通流参数进行了预测,该模型主要适用于多目标预测情形。最后论文提出了基于分模态的最大熵道路交通状态直接预测方法。该法通过提取影响交通状态的时间、空间等各种特征,运用最大熵模型对各模态特征进行训练,直接预测道路交通状态。该方法能够融合多种特征,并且不需要考虑各特征之间的相关性,因此模型具有很高的预测准确性和很强的模型适应性,但该法仅对交通状态进行预测,适用于单目标预测情形。