随着传感技术、网络技术、人工智能技术的不断发展,具有日照信息采集与处理功能的多传感器智能交通系统受到了国内外研究人员的广泛关注,该系统在新能源利用、智慧城市、智慧出行和安全驾驶等领域中具有重要的应用价值。本文在分析和总结国内外相关研究的基础上,对多传感器智能交通系统中信息采集节点的优化部署技术和车辆轨迹日照信息优化分析方法进行了深入的研究,主要研究内容和成果如下:针对智能交通系统多传感器优化部署过程中,障碍物或移动物体导致的信号为非视距传播问题,提出了一种基于改进隐马尔科夫模型和交互式多模型的三维非视距定位方法。研究了基于改进隐马尔可夫模型的三维非视距定位算法,并根据节点的信号回溯特性对节点的位置信息进行了修订。在此基础上,将节点的运动模型划分为全向模型和定向模型,通过交互多模型评估节点处于两种状态的概率,并对改进隐马尔可夫模型的定位结果进行融合,从而有效地削弱非视距误差与物体运动产生的干扰,提高了节点的定位精度。针对智能交通系统多传感器优化部署过程中,有向传感器在网络复杂环境下监控易产生覆盖空洞的问题,提出了基于改进布谷鸟搜索覆盖率增强算法。构建了基于无人机传感器的三维感知模型,该模型考虑了复杂地形和遮挡的问题,可准确地对有向传感器覆盖下的复杂环境区域进行计算评估,并建立了该模型三维网络覆盖的判断标准。根据有向传感器网络的覆盖特点,提出了一种改进布谷鸟优化搜索算法,实现了区域覆盖率的快速增强。针对智能交通系统车辆轨迹优化分析过程中,车辆单轨迹内包含大量冗余数据的问题,提出了一种基于日照信息车辆单轨迹简化分析方法。利用多传感器智能交通系统提供的日照信息,结合车辆单轨迹的角度特性,提出了用于抽象车辆单轨迹日照信息的二元方向模型。将轨迹简化问题转化为网络问题,利用最短路径算法求取车辆单轨迹中需要保留的最少信息点。利用美国明尼苏达市的交通数据对车辆单轨迹进行简化实验,实验表明,该算法可有效地减少数据中的冗余点,提高系统的运行效率。针对智能交通系统车辆轨迹日照信息查询过程中多轨迹信息冗余问题,提出了基于日照信息查询的多轨迹压缩算法。该算法利用路网的轨迹相似性,优化了日照时间误差的计算方法。将轨迹定义为锚轨迹和依附轨迹,并建立了基于日照信息查询轨迹相似度的支配-依附轨迹配对方法,按照最小支配集的方式选取最佳配对,通过对多轨迹数据重构达到了多轨迹压缩的目的。研究开发了一套智能交通系统日照信息查询平台,该平台可实现对车辆多轨迹的日照信息进行测试、分析和应用,通过该平台对文中提出方法的先进性,有效性和实用性进行了验证。