经济的快速发展加快了我国城市化进程,与此同时,机动车保有量的持续增长与现有路网交通供给之间的不平衡也导致路网拥堵程度日益严重。随着电警、卡口、地磁、微波、雷达、浮动车等交通信息采集设备的不断丰富和完备,利用精确的交通数据准确评价城市路网交通状态、测算路网综合效益成为可能。在此背景下,本文基于多源数据融合对路网运行状态进行评价并测算综合效益。本文主要研究内容如下:首先,研究了多源交通数据融合方法。根据多源交通数据的特性对数据进行预处理以及所需交通参数的提取,结合粒子群算法（Particle Swarm Optimization,PSO）与多层前馈神经网络（Back Propagation,BP）在分析浮动车数据可靠性的基础上建立基于最小样本量的PSO-BP神经网络数据融合模型,并通过实例进行验证;其次,研究了路网运行状态评价方法。分别选取交叉口和路段运行状态评价指标,并在考虑交叉口和路段属性的基础上,建立两者综合权重模型。结合交叉口和路段评价指标和权重模型建立路网运行状态综合评价指标PI,提出了基于PI值模糊聚类的路网运行状态判别方法,同时利用基尼系数对路网流向均衡性进行分析从而反映路网细节状态,并通过实例验证该评价方法的可靠性;最后,对路网综合效益进行测算。从交通运行效益、社会经济效益和社会环境效益三个方面建立路网综合效益框架,并选取淄博市张店区绿波网进行综合效益测算。本文提出的基于多源数据融合的路网运行状态评价和综合效益测算方法,能较好的对路网运行状态进行判别并对综合效益进行测算,从而为交通管理者制定管控措施提供科学依据。