随城市建设的发展,机动车饱有量不断激增。虽然各级政府在不断建设和完善各类交通基础设施及交通信息管理平台,但是各级城市的交通出行状况日益严峻。面对这种情况,在信息技术方面,出现了很多交通数据融合方法,一定程度上改善了交通管理决策及服务。目前国内外对交通数据融合比较常见的研究方法为单一数据源的融合处理或者单一层级的数据融合。从其融合结果及应用来看存在着对交通态势判断的准确度不够,甚至错误识别等情况。针对这种问题,本文提出了一种基于多源异构交通数据融合的方法,采用多级融合模型进行交通态势的研判。结合深圳市多个交通信息源系统中的实际数据进行研究和认证,具体内容包括:1.提出了交通数据流数据不均衡补偿融合方法:在对监测点的多源异构进行采集和预处理后,通过新的补偿方法,弥补监测点采集到的包括浮动车,地磁,视频流等数据的样本不量不均衡的问题。2.提出了交通数据融合动态计算模型优化方法:分析了各种多源异构交通数据的融合方法,利用多级融合以及动态权值调整等模型、结合机器学习方法,加载数据,对融合结果进行分析验证。克服传统手动判别时的效率低,提升计算模型的自学习能力。3.开发了一套基于大数据环境的交通路况分析系统:结合交通评价指标体系,描述了多源异构数据融合情况下的验证结果对比及样例展示,并设计了一套基于大数据技术的交通信息融合分析展示软件。本课题的研究的开发,有效地提升了单一数据源下一些交通态势判别的准确率及人工判别时的不一致等问题;通过匹配道路评价指标进行展示有效地运用于交通信息服务系统。