針對城市道路交通擁堵預警問題，提出了一種基于深度學習的預測模型 。 通過歸納合并交通流參數 、 環境狀態 、 時段等基礎數據來構建交通流特征向量并確定四種預測狀態 。 采用深度學習的自編碼網絡方法從無 標簽數據集中學習獲取可表征數據深層特征的隱層參數并生成新特征集 。 應用 Softmax 回歸對有標簽的新特征 集進行學習生成預測分類器，模型可對交通擁堵狀況進行多態預測 。 通過仿真對比分析，預測模型具有較省略 特征學習的預測算法更好的預測性能，平均預測精度可達 85% 。