输入：规范化的数据集 $X$ ，指数权重因子b，收敛精度 $ε$ ，高斯核函数参数 $σ$

输出：交通网络各路段交通状态的等级

Step 1. 根据主成分客观赋权法确定各个评价指标的权重 $w_{j}, j = 1, 2, \dots, l$ 。

Step 2. 根据AP算法确定最佳聚类个数k。

Step 3. 用核模糊C均值聚类算法初始化聚类中心集 $m_{j}^{(0)}$ ，初始化迭代次数t，令 $t = 0$ ；

Step 4. 根据聚类中心集 $m_{j}^{(t)}$ ，由式(13)计算出隶属度矩阵 $μ_{j} {(x_{i})}^{(t)}$ ；

Step 5. 根据 $m_{j}^{(t)}$ ， $μ_{j} {(x_{i})}^{(t)}$ ，由式(11)计算出 $J_{KFCM}^{(t)}$ ；

Step 6. 根据隶属度矩阵 $μ_{j} {(x_{i})}^{(t)}$ ，由式(12)计算出新的聚类中心集 $m_{j}^{(t + 1)}$ ；

Step 7. 根据聚类中心集 $m_{j}^{(t + 1)}$ ，由式(13)计算出新的隶属度矩阵 $μ_{j} {(x_{i})}^{(t + 1)}$ ；

Step 8. 根据 $m_{j}^{(t + 1)}$ 、 $μ_{j} {(x_{i})}^{(t + 1)}$ ，由式(11)计算出新的目标函数 $J_{KFCM}^{(t + 1)}$ 值；

Step 9. 判断 $‖ J_{KFCM}^{(t + 1)} - J_{KFCM}^{(t)} ‖ < ε$ 是否成立，若是，终止运算，转至Step 10；否则， $t = t + 1$ 并转到Step 6继续执行；

Step 10. 得到聚类中心集为 $m_{j} = (m_{j 1}, m_{j 2}, \dots, m_{j l})$ ，其中 $j = 1, 2, \dots, k$ ；

Step 11. 计算综合评价指标 $M_{j}$ ，根据 $M_{j}$ 的值确定交通状态的等级；

Step 12. 将识别的交通状态与城市路段一一对应，得到各路段状态的等级。