智能交通系统在世界范围内得到迅猛发展，交通信息作为其基础与保障也是各国争相研究的热点，目前，各种交通信息采集技术层出不穷，但是，它们对不同交通信息的检测性能是各不相同的，特别是实时动态交通信息。为了满足智能交通系统对交通信息的需求，从多源交通信息中挖掘出更全面、更准确、更深入的信息，并根据智能交通系统使用者对交通信息的不同需求，提供个性化的交通信息服务，因此需要一种行之有效的智能化交通信息融合技术。本文从智能交通系统的典型应用场景出发，分析其对交通信息智能化融合的需求，并在现有融合模型的基础上提出了一个层次分明、原理清晰、易于实现的交通信息语义融合模型。在此基础上，本文进一步构建了动态导航系统中的语义融合机制，其中包括：在语义编码层提出了一种以路网为主体的交通信息语义编码方法；在语义处理层提出了一种基于可信度的语义逻辑代数方法，能够根据交通信息采集设备的可信度等级对交通信息进行语义融合，该方法提高了交通信息融合的准确度，同时对其设置反馈机制，进一步提高了交通信息质量；在应用服务层，提出了一种基于模糊神经网络的语义融合机制，根据动态导航系统用户对交通信息的偏好权重建立模糊神经网络，并通过权值学习为用户提供个性化的服务。文章最后通过仿真分析与动态导航系统实现表明，本文提出的融合方法提高了交通信息质量，为导航系统提供了智能化服务，从而证明了本文所提出方法的有效性和正确性。