指數：
基于嚴重擁堵里程比的指數和基于出行時間比的指數。
評價指標是飽和度（VC比），它表示交通量與通行能力的比值。
飽和度可分為道路飽和度和路口飽和度。道路飽和度還會進一步分級，有四檔和六檔之分。
城市道路和公路道路的飽和度計算方法也各不相同。公路通常采用日交通量指標，而城市道路則常使用高峰小時交通量與通行能力的比值。
交通量是通過實際測量得到的，而通行能力則大致上基于工程條件、設計速度等一系列參數加權計算得出。
路口的飽和度則是通過某一流向的實際交通量與該流向的飽和流量之比計算得出的。
美國首當其沖，來自加州交通部門(Caltrans+)的專家認為:交通擁堵是在工作日高速公路上持續15分鐘以上，平均速度低于55公里/h的情況;明尼蘇達州的專家認為:高速公路在工作日早6:00-9:00，晚2:00-7:00，任何方向只要發生車流速度低于45公里/h的情況即為擁堵;密歇根州的專家認為:高速公路服務水平為F級，V/C比+>=1的狀態是為擁堵。
加拿大也帶來了北美地區的說法。蒙特利爾的專家認為:當車輛被判定以低于25公里/h的速度加入排隊，后以高于60公里/h的速度駛離排隊的過程。
韓國公路公司(KHC+)認為:某條道路1個月內持續超過10天，且每天超過2小時車流速度低于30公里h即視為交通擁堵;大邱市則把這一車速的標準降低為14公里。
日本普遍使用速度作為擁堵的依據。高速公路車速低于40公里;出現時走時停的交通流長度1公里以上;或者上述兩種情況持續15分鐘以上皆為擁堵。
從交通需求分析而言，交通擁堵是發生在交通基礎設施上，與低流量、高流速狀態相反的一種高密度、低流速的狀態:即需求超過供給的狀態。
從交通效率分析而言，交通擁堵是一種某時段內某道路車輛增多導致的車流速度低于或遠低于正常車速或自由流速度的狀態。
1、速度(speed)
速度是直觀的反映擁堵狀況的指標之一，速度的衰減意味著行程時間的增加，出行效率的降低。與速度相關的評價指標可以演變出:平均速度、自由流速度、道路通行指數+(CMI)、速度衰減指數+(SPI)等計算指標。
2、行程時間(travel time)
基于時間的評價指標容易被公眾理解，因此常被視為交通改善效果的有力佐證之一。但是要清楚一點的是，基于時間的評價指標不應當用于交通事故、臨時道路施工引發的擁堵評價。最常用的與時間相關的評價指標包括:行程時間指數+(TTI)、行程時間率指數(TRI)、預留時間指標+(BI)
服務水平(Level of Serive)3.
服務水平作為評價指標，最大的優點在于它是一個綜合性的衡量要素。服務水平在美國HCM手冊+中給出了六個等級的交通狀態。但是要注意的是，服務水平這個指標不是對交通擁堵狀態的連續性量化指標，由于其數值不具有連續性，因此當交通處于臨界狀態時，不宜界定。以服務水平為基礎，可以衍生出道路擁堵指數+(RCI)、車道擁堵指數+(LMI)等評價指標。
4、延誤(Delay)
延誤從某種意義上而言，是時間的變化衡量指標。延誤通常理解為比自由流交通出行多花費的時間。延誤可以用來評價交通系統當前的性能和期望發揮的性能的差異。延誤率(DR)、延誤比(DRA)、人均年延誤(ADPRU)、人均延誤小時(AHOD)等都是延誤可以演變而來的評價指標。
結論
交通擁堵的成因復雜，可以從微觀的角度歸因于信號控制、道路出入口、道路施工影響，也可以從宏觀的角度著眼于土地利用模式、社會收入水平、區域經濟發展等。
因此，對交通擁堵的評價應該有宏觀、微觀乃至中觀等評價指標，當然也可以創建出更多、更新的評價指標。但是萬變不離其宗，至少從時間和空間的角度，堅持容易理解、便于計算的要求，綜合運用速度、出行時間、交通供需關系等基本指標來進行交通擁堵評價是不變的根本。
一城一閾值，是我們在使用評價指標進行不同城市排名要注意的。從美加日韓等國對擁堵的認知而言，即便同一個評價指標，在同一國家內不同城市也有不同的擁堵閾值。例如使用速度值，加州認為低于55公里為擁堵，明尼蘇達認為低于45公里/h是擁堵。
一、道路擁堵情況預測
1、構建訓練集：
每條道路的擁堵情況不僅和當前道路前一個時間點擁堵情況有關系，還和與這條道路臨近的其他道路的擁堵情況有關。甚至還和昨天當前時間點當前道路是否擁堵有關聯。我們可以根據這個規律，構建訓練集，預測一條道路擁堵情況。
假設現在要訓練一個模型：使用某條道路最近三分鐘擁堵的情況，預測該條道路下一分鐘的擁堵情況。如何構建訓練集？
構建的訓練集有什么樣的特點，依靠訓練集訓練的模型就具備什么樣的功能。
2、步驟
1）、計算道路每分鐘經過的車輛數和速度總和，可以得到道路實時擁堵情況
2）、預測道路的擁堵情況受當前道路附近道路擁堵的情況，受這幾個道路過去幾分鐘道路擁堵的情況。預測道路擁堵情況可以根據附近每條道路和當前道路前3分鐘道路擁堵的情況來預測。用附近每條道路和當前道路前3分鐘道路的擁堵情況來當做維度。統計這些道路過去5個小時內每分鐘的前3分鐘擁堵情況構建數據集。
3）、訓練邏輯回歸模型
4）、保存模型
5）、使用模型預測道路的擁堵情況
3、道路擁堵預測注意問題：
注意：提高模型的分類數，會提高模型的抗干擾能力。比如道路擁堵情況就分為兩類：“暢通”、“擁堵”，如果模型針對一條本來屬于“暢通”分類的數據預測錯了，那么預測結果只能就是“擁堵”，那么就發生了質的改變。
如果我們將道路擁堵情況分為四類：“暢通”，“比較暢通”，“比較擁堵”，“擁堵”。如果模型針對一條本來數據“暢通”分類的數據預測錯了，那么預測結果錯的情況下就不是只有“擁堵”這個情況，有可能是其他三類的一種，也有一定的概率預測分類為“比較暢通”，那么就相當于提高了模型的抗干擾能力。
)
