随着我国城市人口规模不断扩大、人民收入不断提高,机动车保有量迅速增加,低速增长的道路资源已不能满足人们快速增长的出行需求,交通拥堵问题成为各大城市面临的共同难题,建设智能交通系统成为各大城市治理拥堵的首选方案。乌鲁木齐现有交通运行分析系统是利用出租车GPS数据对道路拥堵状态进行判断的,但是由于出租车司机驾驶行为原因导致GPS数据在城市外围区域覆盖情况较差。公交车拥有固定行驶线路及行驶时间,对城市中心区域及外围区域均可以较好覆盖,而且能够提供丰富的GPS数据,如果加以利用可弥补出租车数据覆盖范围不足的问题。故论文提出利用出租车和公交车在城市交通空间分布上的差异性和互补性,通过数据融合技术提高道路交通流参数估计的准确性,并扩大数据覆盖范围,在此基础上对城市交通运行情况进行分析。论文主要从多源数据处理、融合模型构建及比选、数据融合前后路网覆盖范围分析以及交通运行分析指标构建四方面进行系统研究。针对原始出租车、公交车GPS数据,通过数据预处理、地图匹配、速度计算和数据降噪步骤获得可靠的GPS速度数据;在数据处理基础上构建基于BP（Back Propagation）神经网络的数据融合模型和多元线性回归模型,并通过评价指标对比,选择融合精度更高的模型;为确定多源数据融合后能有效扩大数据覆盖范围,对数据融合前后路网覆盖范围进行分析。最后在数据融合模型的基础上,结合乌鲁木齐道路拥堵等级速度阈值构建交通运行指数指标。研究结果表明:（1）基于BP神经网络的多源数据融合模型、多元线性回归模型的融合精度分别达到95.66%、92.27%,均能较好融合多源数据,且基于BP神经网络的多源数据融合模型的融合效果优于多元线性回归模型。（2）大约三分之一的现有路况能够通过融合公交数据加强;白天时段通过融合公交数据,可以在现有出租车覆盖的路段比例基础上,增加大约7%的路段覆盖数量。（3）交通运行分析指数能较好应用于乌鲁木齐城市道路交通运行情况分析。通过对路段及区域运行状况分析表明:路段及区域运行情况较好,不存在中度拥堵及严重拥堵现象,早晚高峰期间均处于轻度拥堵状态,其余时间处于基本畅通状态;路段及区域运行情况符合交通运行规律。