交通流数据主要包含车辆速度、交通流量、车道占有率等,是反映交通流状态的重要参数,是智能交通系统最为核心的构成要素。交通流数据的获取包括交通流数据的采集、传输与处理,是保证在具体应用过程中交通流数据的准确性、实时性、有效性的重要手段。目前,交通流数据的海量化以及交通应用需求的区域化,为交通流数据获取在实际应用中带来巨大挑战。本文以无线传感器网络作为交通流数据获取的主要载体,引入突变理论、最优滤波理论、热力学定律、数据挖掘技术以及数据聚合技术等,研究交通流数据获取相关技术,解决交通流数据的海量化处理、质量分析与修复、区域数据的高维特征分析等关键问题。本文主要工作包括以下几个方面：(1)提出了基于无线传感器网络的3节点交通流数据检测模型。所提模型采用有中心型网络拓扑结构以及分层次的工作策略,利用第三个节点对其它两个节点所采集的数据进行处理与计算。实验表明,所提模型较美国加州大学伯克利分校提出的2节点交通流数据检测模型,采集精度有了显著提高。同时基于所提模型,提出了一个基于二项分布的聚合粒度优化算法。所提算法依据交通流数据采集过程中常用的聚合处理过程,根据交通流变化规律对聚合粒度进行优化。实验结果表明所提优化算法根据交通流数据的分布对聚合粒度具有较好的优化性能。(2)提出了一种基于线性Kalman滤波器和分批估计理论的自适应交通流数据估计算法。该算法依据无线传感器网络在交通流数据采集的过程与机理,采用线性Kalman滤波器对采集值进行最优估计,并利用分批估计理论,实现算法在线学习、动态调整,解决在长时间采集过程中由于交通流特性发生变化或信号漂移等因素造成性能下降的问题。实验表明了所提算法的准确性和有效性。(3)提出了表征无线传感器网络内各节点状态的机会熵的概念,并以此为理论依据结合蚁群优化算法,提出了一个动态建立网络传输路径的机会路由协议,以解决应用无线传感器网络作为交通流数据检测设备在大范围布置时,无法手动配置或部分节点、链路失效时交通流数据传输问题。机会熵的概念是依据热力学第二定律对独立系统内部能量密度变化的描述,在考虑无线传感器网络内各节点能耗及网络最优路径的基础上提出的,用于描述网络内各节点的当前状态。在此基础上,对现有的蚁群优化算法进行改进,实现动态建立网络传输路径。实验表明了所提协议的有效性。(4)提出了一个基于尖点型突变理论的分布式数据质量分析算法。所提算法利用无线传感器网络各节点自身的计算能力,对数据质量进行在线分析,实现了对有效数据的准确识别以及对部分错误数据的修复,解决在实际应用中大量无效数据仍被传输与处理而造成浪费资源的问题。所提算法采用尖点型突变理论对交通数据流进行建模以及建立相应的数据质量评估函数,同时利用分批估计理论对模型进行在线动态调整。实验表明所提数据质量分析算法具有较高的数据质量分析性能。(5)提出了一个基于熵编码的高维数据聚类分析算法,用于区域交通流状态的实时在线分析。所提算法主要是将熵编码作为核函数引入模糊聚类算法,利用熵编码对交通区域的高维数特征进行降维,进而提高模糊聚类算法对区域交通流状态的有效分析,解决了传统模糊聚类算法在高维特征空间及有实时性要求的应用中失效问题。通过实验结果表明所提算法以损失较小的分析精度为代价,使得分析速度大大提高。