交通流状态的识别诊断，是提升城市交通管理水平、改善交通信息服务质量的重要基础。目前，由于交通流检测数据存在遗漏、错误和冗余的问题，导致交通流状态的识别不够完备及准确。针对该问题，学者们提出了很多解决方案，包括尝试采用知识发现的方法。运用知识发现的方法可以从大量的交通流信息中揭示出隐含、未知并且有价值的信息，从而提取出交通管理的知识规则，为交通管理部门提供决策依据。　　本文基于粗糙集理论中的属性约简和规则获取，对北京市某一具体路段的交通流运行状态进行了知识发现研究。具体研究内容包括:　　1、面向交通流知识发现的数据预处理。主要分析了检测器数据的特征，异常数据和错误数据的判别标准，异常数据填补。设计了面向交通流状态知识发现的数据预处理滤波算法。　　2、研究了基于粗糙集理论的交通流状态决策表的属性约简算法。在利用差别矩阵对决策表进行属性约简的算法基础上，针对交通流特征数据中的属性约简问题进行了研究，引入差别函数对差别矩阵算法进行了改进，使其可以应用到不相容的决策表中。　　3、基于改进的差别矩阵属性约简算法的案例分析。利用实际路段的检测数据，对本文基于粗糙集理论的交通流状态知识发现进行了案例分析。经过对交通流特征数据的预处理、属性约简和规则获取，提取出了该路段交通流状态的知识规则。　　本文基于粗糙集理论，对交通流状态的识别诊断问题，从知识发现的角度进行了探索和研究，删除交通流特征数据中的冗余属性，提取出有价值的交通流状态识别的知识规则。本文工作，一方面可以对交通管理部门的交通流控制与管理提供决策依据，另一方面也是对研究交通流状态识别问题的思路和方法的补充。