随着城市化进程的推进和汽车保有量的激增,城市道路的交通拥堵呈现出了区域特性,这种趋势提高了对城市交通状态分析与把握的要求。近些年研究发现,路网宏观基本图是反映城市区域道路交通流状态的有效工具。而道路网络的均质程度是影响宏观基本图准确分析的关键因素。为了得到均质性高的路网子区,采用聚类方法实现道路网络的合理划分成为了重要手段。聚类算法为提高路网均质性带来思路的同时,也面临复杂的交通网络拓扑关系和现实交通荷载分布的挑战。本论文的工作量和成果主要体现在两个方面。一是利用实测数据对归一化划分算法进行路网划分应用效果评价,发现该算法的划分结果依赖路段间的相似权重,提出了对路段间相似函数增加惩罚系数,从而使得归一化划分算法对于不同的交通流量可以划分出不同的结果。二是针对传统K均值聚类算法在非均质路网划分应用中的不足,将路网连接性融入算法,解决其在路网划分应用中聚类结果不连续的问题。使用最大最小距离算法确定初始聚类中心和路段差异性,利用连续时间间隔下路网划分结果的动态频数统计,合并和拆分不稳定的“噪声”路段,提高子区内路网的稳定性和紧凑性。我国城市建设的一个特点是多中心、多组团,相应的路网使用呈现多区域的特征,这决定了交通管理需要根据交通特点进行路网划分。本论文提出的路网划分算法具有重要的理论意义和现实价值,这两个算法为创建性能良好的宏观基本图提供了重要保障。