交通数据的采集、分析与处理是智能交通系统的重要组成部分,是实施有效的交通诱导、控制与管理的重要基础。单一的检测器采集到的数据比较片面、不完整、信息量小、易出错、不确定性偏大,因此,采用多检测器采集数据,并智能处理多源数据就显得尤为重要。在实际中,由于不同检测器布设位置、种类、精度、品质、检测环境等存在差异,导致所获取的数据存在一定缺陷。数据融合克服了单个检测器的不确定性,能够充分利用多种信息源,去伪存真、由表及里,把多个信息源在空间或时间上的冗余或补充信息根据一定的标准组合汇集成全面的、深刻的、立体的信息,提高了整个交通数据采集系统鲁棒性。本文首先从宏观和微观角度分析了交通流参数特征,阐述了五个主要的交通流参数,并详细介绍了交通参数采集技术与原理,分析了其输出数据的数据结构与道路环境数据的获取。接着针对检测器的布设位置问题,在考虑路段上已有检测器分布情况下,基于路网单元对检测器进行优化布设。然后对所提取的交通数据进行一体化集成融合。来自各检测器的交通数据在时间和空间上的不统一,能够影响信息处理速度和质量,因此需要对数据进行时间和空间上的匹配。由于不同检测设备精度、稳定性不同,导致信源的可信度存在差异,需要给出针对不同设备源信任度评价模型,得到信源信任度。在此基础上,采用模糊信任度函数,以加权平均的方式对多源冗余信息进行处理,最终得到时间粒度统一、精度更高的数据。此外初步给出了综合交通参数一体化采集装置组成模块。最后为了验证所提出的多源数据采集一体化模型,选取厦门市特定时段内湖滨南路至莲前东路区域中划分的26个路段上共41个交通检测器的数据进行算法验证,结果表明本文所提出算法能够提高数据的精度。