En las operaciones de tráfico, el objetivo de las agencias de transporte y los investigadores es típicamente reducir la congestión y mejorar la seguridad. Para alcanzar estos objetivos, las agencias necesitan información continua y precisa sobre la situación del tráfico. El Nivel de Servicio (LOS) es un índice beneficioso de las operaciones de tráfico utilizado para monitorear las autopistas. El Manual de Capacidad de Carreteras (HCM) proporciona métodos analíticos para evaluar el LOS basado en la densidad del tráfico y las características de la carretera. Generalmente, obtener datos de densidad confiables en cada carretera de grandes redes utilizando sensores y cámaras de ubicación fija tradicionales es costoso y poco realista. Las instalaciones tradicionales de sistemas de transporte inteligente suelen estar limitadas a áreas urbanas importantes en diferentes estados. Los datos obtenidos de manera colaborativa son una solución emergente y de bajo costo que puede mejorar potencialmente la seguridad y las operaciones. Este estudio incorpora datos obtenidos de manera colaborativa proporcionados por Waze para proponer un algoritmo para la evaluación del LOS de manera horaria. El algoritmo propuesto explota varias características de los grandes datos (alertas de usuarios de Waze obtenidas de manera colaborativa y variación de velocidad/tiempo de viaje) para realizar la clasificación del LOS utilizando modelos de aprendizaje automático. Se introducen tres categorías de entradas del modelo: medidas estadísticas básicas de velocidad; medidas de fiabilidad del tiempo de viaje; y el número de alertas horarias de Waze. Los datos recopilados de sensores de ubicación fija se utilizaron para calcular el LOS de referencia. Los resultados revelan que el uso de alertas obtenidas de manera colaborativa de Waze puede mejorar la precisión de la estimación del LOS en aproximadamente un 10% (precisión = 0.93, Kappa = 0.83). El método propuesto también fue probado y confirmado utilizando datos de después de la enfermedad por coronavirus 2019 (COVID-19) con una grave ruptura del tráfico debido a una política de quedarse en casa. El método propuesto es extensible para autopistas en otras ubicaciones. Los resultados de esta investigación proporcionan a las agencias de transporte un método de LOS basado en datos obtenidos de manera colaborativa en diferentes segmentos de autopistas, independientemente de la disponibilidad de sensores de ubicación fija tradicionales.