針對當前交通運行出現的擁堵問題，提出一種新型的道路狀態判斷模型。首先，模型基于YOLOv3目標檢測算法，然后結合圖片對應的特征值矩陣，通過相鄰幀之間的特征矩陣作差并將差值逐項求和得到的結果與預設值進行比較來判斷當前道路是處于擁堵狀態還是正常通行狀態，其次再將當前計算出的道路狀態與前兩次計算出的道路狀態進行比較，最后運用模型里的狀態統計法來統計道路某狀態（擁堵或通暢）的持續時間。該模型能夠同時對一條道路的三個車道進行狀態統計分析，經過實驗，模型對單條車道狀態判斷的平均準確率能達到80010以上，并且白天與夜晚的道路均適用。

　　隨著經濟的發展與城市化進程的加快，人們的生活水平日益提高，機動車成為了越來越多人的出行首選工具。根據中國公安部交管局的統計數據。截至2017年6月底，全國機動車保有量達3. 04億輛，其中汽車2.05億輛；機動車駕駛人達3. 71億人，其中汽車駕駛人3.28億人。數量巨大的機動車也為城市交通的良好運行帶來了巨大的挑戰，我國道路交通擁堵情況非常嚴重，尤其是在特大、超大型城市，比如北京、廣州、上海等。除了我國，交通擁堵在其他國家也是個大問題，根據《Inrix:2016年全球交通擁堵情況排行榜報告》顯示，洛杉磯以人均104堵在路上位居第一。由此可見，道路擁堵是個亟待解決的問題。

　　當前存在的一些道路車輛擁堵檢測方法包括：利用路面傳感器定時采集道路車流數據信息實時判斷道路擁堵情況，或者對特定路段的交通車輛數據流進行分時段的統計與數據 分析。常用的路面傳感器比如檢測器有線圈、浮動車 等。這兩個方法可移植性差，并且對每個路口都要進行設備 安裝或者數據統計，因此這些方法存在著成本高、代價高的缺點。本文提出一種新型的道路車輛擁堵分析模型，該模型具有運行速度快、準確率高、成本低、易于部暑等優點。實驗結果證明，針對直行車道，該模型的平均準確率均能達到80% 以上。