目前我国高速公路发展迅速,里程不断增加,由于地域差异大,气象条件多变,增加道路行车安全隐患,尤其在低能见度条件下,交通事故频发,检测交通事件的难度增大。因此需实时、准确地采集道路动态及多样的交通信息,为交通事件检测及诱导方案的提出提供依据。到目前为止,交通信息采集主要有感应线圈、视频、微波、超声波、红外、GPS定位、电子标签等方式。目前的检测技术存在价格昂贵、系统复杂、对路面结构产生损害、低能见度环境条件效果差等问题。而微波具有对移动物体反应灵敏、检测速度快等特点;音频也属于交通信息检测技术之一,车辆的自发声是车辆行驶状态的一种表现形式。车辆的运动状态具有移动和自发声双重特点,利用音频和微波对道路车辆运动状态的检测具有互补性强、安装方便、对路面结构无损害、低能见度环境表现良好等优点。因此本文采用微波和音频两种采集技术实现对行驶车辆信息的采集,通过采集的车辆信息实现车辆定位及运动状态的识别研究。本文首次采用微波的脉冲信号实现车辆运动状态的研究分析;通过采集道路有标签的音频数据实现车辆行车车道级定位检测研究;针对单一微波和音频在车辆检测中存在的误检率高等问题,利用微波+音频实现基于表决层融合的车辆检测研究。本文主要研究工作包括以下:(1)首先利用微波传感对运动车辆状态相关参数检测方法分析,提出了一种基于双路微波传感检测车辆与路肩距离方法,构建了车辆运动状态检测系统,并通过实际和模拟环境相关实验对检测方法进行了验证分析,在实验和模拟环境下能够取得很好地检测效果。(2)其次通过将拾音器布设在道路路肩,采集车辆通过的音视频数据,前期通过人为标注的方式对音频进行标注,对提取的不同车道的音频数据进行预处理,通过梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)提取音频数据特征,提出了一种基于MFCC特征数据的筛选方法。最后按照单源无MFCC筛选方法、单源有MFCC筛选方法、双源无MFCC筛选方法和双源有MFCC筛选方法构建长短期记忆网络(Long Short Term Memory,LSTM)网络模型进行学习训练,测试结果表明,双源有MFCC筛选方法其识别结果最好,识别率达到86.5%。(3)最后根据车辆既具有动的特性,又具有发声的特性,结合微波和音频之间的互补性,提出将微波与音频进行基于表决层的数据融合方法,通过实验模拟并对比分析,融合算法相比单一检测方法提升检测的准确率、降低误检率。