随着经济和社会的发展,公路交通量迅速增长,交通问题越来越突出,智能交通系统(ITS)已成为解决现有交通问题的重要的有效途径之一。而交通信息采集是智能交通系统至关重要的基础环节,实时交通信息检测分析是其中的核心技术之一。在现有的交通信息检测技术中,感应线圈检测是最具研究价值和应用前景的检测方式。本文选择了基于DSP感应线圈车辆检测器的交通信息检测分析作为主要研究对象,围绕其现有技术存在的不足进行研究探索,提出富有创造性和实用性的解决方案和算法。　　本文设计了一种基于DSP的感应线圈车辆检测器,利用软硬件措施提高抗干扰能力;然后对车辆检测器采集到的感应数据进行处理分析,采用了中值滤波和聚类分析算法抑制基线漂移,使车辆检测器能够提取出正确的车辆感应信号,改进了提取感应曲线有效信息的方法,应用Chebyshev多项式拟合方法进行交通数据信息进行平滑滤波预处理,采用基于Bayes理论的自适应特征提取方法对感应曲线特征进行提取,选用了最小二乘支持向量机(LS-SVM)进行车型分类,提出了基于分段时间序列模式匹配的转弯车辆检测方法,提高了数据信息处理效率和准确性,丰富了交通信息;然后研究基于感应线圈检测和视频检测的交通数据融合分析,建立了不同的交通信息融合模型,研究了基于改进D-S证据理论的决策层融合方法在车型流量检测中的应用,满足了ITS对交通信息检测分析的高精度和高可靠性的要求;最后介绍基于DSP的感应线圈车辆检测器开发与工程应用。　　本文的基于DSP的实时交通信息检测和分析技术提高了交通信息采集的实时性、准确性、稳定性、可靠性和效率,具有一定的理论意义和实用价值,可以推广到其它交通信息采集技术,具有广阔的应用前景。