1.一种基于FCM的区域路网的道路交通状态判别方法，其特征在于：所述判别方法包括以下步骤：第一步，城市道路路网由信号交叉口及相邻上下游交叉口之间的路段组成，将信号交叉口及相邻上下游交叉口之间的路段定义为路网空间单元，对路网空间单元分别选取交通状态参数进行定量分析；

对于交叉口平均延误的计算，车道组作为交叉口延误计算的最小单元给定车道组中的每辆车的平均延误d由下式确定：d＝d1*PF+d2+d3 (1)式中d1为假设车辆均匀到达下的均匀延误，单位s/辆；PF为均匀延误修正系数，修正信号联动对延误的影响；d2增量延误，单位s/辆，即代表车辆随机到达及过饱和排队的效果；d3为初始排队延误，单位s/辆，即观测期之初的初始排队对观测期的到达车辆产生的影响；C为信号周期；g为该车道组的有效绿灯时间；X为该车道组的v/c；T为观测期时长；

I为上游信号交叉口影响修正系数；c为车道组的通行能力；

对于路段的平均行程时间的计算，将利用这交通流量、车道占有率这两个参数对路段的行驶时间进行估计：式中：ta(t)是路段a时刻t的行程时间；t0是交通量为零时路段a的行程时间，即等于路段长度与道路的最大限制时速之比；qa(t)是路段a时刻t的机动车交通流率；Ca(t)是路段a时刻t的实际通行能力；

第二步，采用模糊C均值聚类对空间单元的交通状态参数软划分：首先初始聚类中心，反复调整聚类中心，使各类中数据到每个聚类中心的距离之和最小或者满足终止条件；通过模糊C均值聚类， 获取各类别的聚类中心，作为空间单元的各交通状态判断原型，然后将实时交通实时数据输入，计算其与各聚类中心的最小欧几里德距离，判断出最小值，归其所类，实现对路网空间单元的状态判断。

2.如权利要求1所述的一种基于FCM的区域路网的道路交通状态判别方法，其特征在于：所述第二步中，FCM聚类分析的样本的特征属性为每周不同工作日，即在时间尺度获得更为精细的判别原型，因此对路网空间单元k提取的历史数据样本集合如下：其中si(i＝1，2，…，n)取样时间段内以周为单位的时间序列下的交通状态数据样本；

Ski(k＝1，2，…，7)中k的取值为1，2…7分别采样日期为周一到周日。样本的特征向量Tsk＝(sk1，sk2，…，sk7) ；

将城市把道路交通状态划分为通畅、正常、拥挤和堵塞四个等级，FCM算法中的c为数据样本将分成类别的数目，即c取为4，聚类过程如下：设目标函数为式(6)：

dij＝||ci-xj|| (8)

其中 uij∈[0，1]表示第j个数据点属于第i个聚类中心的隶属度；为ci为模糊组i的聚类中心，dij表示第个j聚类中与第j数据点之间的欧几里德距离；m∈[1，∞)是一个加权i指数。构造拉格朗日乘子，建立新的目标函数如式(10)所示：

(10)

对所有的输入参量求导，使原目标函数达到最小的必要条件为： 聚类的迭代过程如下：

1)：随机初始化4个数据聚类中心；

2)：用式(7)计算矩阵U；

3)：用式(11)计算4个新的聚类中心ci；

4)：根据式(10)计算目标函数，若小于某个确定的阈值，或相对上次目标函数改变量小于某个阈值，则算法停止，否则，返回；

通过上述FCM聚类分析得到交通状态原型矩阵P，其元素pij表示各类状态下相对应特征属性的聚类中心：最后将路网空间单元的定量分析后的实时交通状态参数xi(i＝1，2，…7；为采集的工作日)作为输入，按照最小欧几里德距离原则根据该空间单元的交通状态原型矩阵，并按式(13)实现交通状态的判别：待判定的交通样本xi所属第k类交通状态。

3.如权利要求1或2所述的基于FCM的区域路网的道路交通状态判别方法，其特征在于：所述判别方法还包括以下步骤：第三步，从空间单元的空间地理位置及相互之间的物理邻接关系出发，通过区域路网模型将各个空间单元的空间关联性建立起来；

区域路网模型的建立以m个路口和路口间的路段组成的交通网络，其中路口集合表示为N＝{n1，n2，…，nm} (14)路段集合表示为

L＝{lij|lij＝，i，j＝1，2，…，m} (15)定义邻接矩阵AG＝{aij}表示路口之间的物理邻接关系：利用交通网络的权矩阵来定义路网单元之间的邻接的地理方 位，权矩阵的元素DG＝{dij}，元素的取值和物理意义由下式确定：