城市交通对城市可持续发展至关重要。在与城市交通相关的各种挑战中，交通混乱是一个突出的重要问题。它不仅扰乱了交通的畅通，而且对交通安全构成风险，阻碍了交通效率，导致交通拥堵。如今，人们对交通拥堵和流量预测进行了广泛的研究，但仍然缺乏有效的测量指标和监测方法来专门针对日益严重的交通混乱问题。针对上述问题，本文首先提出了一种基于信息熵理论的交通混乱指数来评估城市交通的混乱程度。然后开发了一个计算框架，使用GPS轨迹和车载图像对城市交通混乱进行大规模监测。此外，还选择了一些可能导致交通混乱的关键建成环境因素，并利用可解释机器学习算法初步探讨了这些因素对交通混乱的影响。实验结果表明，道路等级和非机动车道类型等道路设计指标对交通混乱的影响最大，其次是与餐饮和购物服务相关的兴趣点密度。在此基础上，本文对道路规划与监理提出了一些可行的建议。未来，所提出的交通混乱指数和计算框架可以基于智能网联汽车的车载摄像头和道路的监控摄像头实现大规模、长时效的城市路况动态监测。

城市交通混乱,GPS轨迹,车载图像,计算机视觉,可解释机器学习方法