智能交通系统在城市道路交通管理与控制中的应用越来越广泛，而交通信息数据的采集是智能交通系统的基础。通过检测器获得的交通流量等信息，对各种交通项目的实施和评价起着至关重要的作用。目前城市智能交通信号控制系统在进行交通信息采集时，大部分采用的是感应线圈检测器。检测数据在采集、传输与处理的过程中，由于设备故障、软件突发问题等原因，易导致数据出现错误、丢失、异常等问题，需采用数据预处理技术对检测到的问题数据进行识别与修正。在线圈检测器本身的检测原理限制及工作环境等影响下，检测数据容易产生偏差。另外，尽管目前对数据质量控制模型的研究较多，但无论问题数据的识别与修复技术如何先进，其基本原理仍然是通过使用各种方法得到与实际数据比较贴近的近似值，检测数据误差问题仍普遍存在。若直接将这些存在问题的数据应用于系统控制，必然会对系统的运行效果产生影响。基于现有的数据质量控制模型，本文通过数据统计分析与仿真分析两种方法研究了智能交通信号控制系统数据预处理方法。首先，通过对SCATS系统信号控制原理及算法的深入研究，分析其对检测数据误差问题的处理能力。然后，通过对实测交通数据的统计分析，得出交通流数据的时间分布规律以及基于多车道流向车辆行驶分布规律的空间分布规律，对质量控制模型中问题数据的判别与修正方法提供了理论支撑。针对数据误差普遍存在的情况，通过现场实测数据与检测数据的对比统计分析，研究了数据误差的分布规律，弥补当前对于线圈检测数据误差研究方面的缺乏。最后，通过实例分析，验证数据预处理方法的实用性和有效性。