火灾报警监控系统是城市公路隧道管理运营的重要组成部分，监控隧道内火灾状况，对隧道的安全运营起着重大作用。根据隧道空间窄小、狭长特点和火灾探测器探测方式的不同，出现了各种模式的火灾报警监控系统，为隧道的安全运营提供了保障。同时，由于隧道现场环境复杂，探测器生存条件恶劣，较易受到干扰，探测器采集的数据失真度就会提高，又存在多传感器采集的数据量过大以及数据之间可能相互矛盾，这都可能降低系统判断的准确性，增加误报率，从而影响隧道正常的安全管理运营。　　 本论文主要研究了基于多传感器数据融合技术在隧道火灾报警监控系统中的问题，具体内容有以下几方面：　　 根据当前公路隧道大部分采用光纤光栅感温探测器情况，分析了火灾报警监控系统结构及光纤光栅感温的原理；　　 考虑到隧道内采用感温、CO/VI等多传感器采集的数据很可能出现冗余、偏差大、相互矛盾甚至错误等特点，对这些数据的处理分两层融合，在数据层对同质传感器采集的数据进行融合，提出了采用K-Means聚类算法消除偏差较大或错误的数据后，再使用自适应加权算法对处理后的数据进行融合，从而提高了数据的有效性和精确度；然后在决策层对异质传感器采集的数据进行融合，采用了基于Dempster-Shafer(D-S)证据理论数据融合方法，着重介绍了D-S证据理论的原理、组合规则及相应的改进方法，针对各证据之间可能出现的冲突，提出了使用证据波动性和证据重要性对证据进行修正后进行组合，降低证据之间的冲突，保障数据融合结果的可靠性、准确性，降低系统的误报率；　　 根据武汉市某公路隧道火灾报警监控系统运营情况，详细研究了火灾报警监控系统的系统组成、工作原理、硬件设备的功能及工作方式和软件系统的组成及实现，为火灾报警监控系统提供了理论方案和可行性支持。