Atualmente, sistemas de vídeo para monitoramento de tráfego urbano têm sido adotados com maior frequência. Através das imagens capturadas do trânsito, sistemas inteligentes baseados em visão computacional procuram extrair informações relevantes tais como a densidade, velocidade, localização e sentido dos veículos presentes na cena. Entretanto, as soluções tradicionais comumente falham, especialmente em cenas onde há o aumento significativo da oclusão entre os veículos. Métodos alternativos analisam o vídeo de forma global considerando o trânsito como uma única entidade (e.g. nuvem de veículos). Considerando esta abordagem, o presente trabalho propõe um método para classificação do estado do trânsito em três níveis de congestionamento: baixo, médio e alto. O sistema proposto baseia-se em duas propriedades holísticas, ambas definidas pela densidade média da nuvem de veículos e sua respectiva velocidade média. Estas duas propriedades são combinadas em um vetor de características que é utilizado para compor o conjunto de treinamento. Os resultados experimentais demonstram uma taxa de acerto de 94,5% em um conjunto de 254 vídeos de trânsito utilizando redes neurais artificiais.