近年来,随着社会经济水平不断的提高,我国高速公路有了迅猛的发展,在社会经济活动中扮演着重要的运输作用,但是频发的高速公路交通事故也给社会经济带来巨大的经济损失。快速、准确地掌握和估计高速公路交通流状态,对于制定合理、有效的高速公路管控策略具有重要的意义,有利于缓解高速公路交通拥堵和提高高速公路安全性。然而,由于有限的检测设备无法提供高速公路全方位交通运行状态,因此,本文依托国家自然科学基金项目“高速公路车速离散特征、机理及控制方法研究”和南京市科技局项目“高速公路交通流状态估计与安全预警系统”,从实测数据出发,深入研究高速公路连续多断面交通流参数的时空关联特性,通过建立基于卡尔曼滤波的高速公路交通流实时状态估计方法,实时估计路段检测盲区的交通流状态,为制定高效的高速公路管控策略提供理论基础和技术支撑。首先,从实测数据出发,在统计学层面上引入交通流参数时空相关系数,分析高速公路多断面连续检测器交通流参数的时间相关性和空间相关性,为下文检测盲区的交通流状态估计提供数据基础,同时确定下文模型状态估计的路段区域长度。其次,研究不同宏观交通流模型实际估计效果,通过遗传算法对不同宏观交通流模型参数进行在线标定,并将标定后的模型应用于时空关联性较强的断面进行状态估计,以统计学评价指标最优为目标,选取交通流状态估计的最佳交通流模型；同时对模型的参数进行了敏感性分析。进一步对模型精度与检测间隔和路段距离的关系进行探讨。最终选取Jiang-Zhu-Wu模型作为交通流状态估计模型,其中自由流速度和阻塞传播速度为模型关键参数,模型在检测间隔为30s、路段划分距离为800m时状态估计效果最优。再次,以Kalman滤波“递推-估计-修正”原理为基础,分别构建了基于扩展Kalman滤波和基于无迹Kalman滤波的高速公路交通流状态估计模型,并给出状态估计的步骤。最后,基于实测数据对所构建的的交通流状态估计模型进行实例应用并评价其效果,主要包括两种状态估计模型对交通流状态突变的追踪能力、状态估计误差的对比分析等。同时亦对不同检测器布设方案下交通流状态估计模型的实施效果进行探讨,给出不同布设方案的误差,为检测器布设提供参考依据。