交通流数据检测是智能交通系统的基础核心问题,通过数据检测获取准确的交通流量、车速等交通参数是实施有效的道路诱导、交通控制等交通管理的重要基础。传统的检测方法一般都采用单类型的检测器,然而单一检测器由于受其自身条件的影响,数据精度和检测范围都受到制约。而通过多源交通流数据的融合,可以获取比采用单一检测器更准确的交通信息,从而实现更加有效的交通控制和管理。本文针对浮动车和固定检测器两种检测技术的特点,研究两种交通流数据的融合问题。给出了数据融合的整体框架,通过合理选择融合算法使得两种数据形成互补,提高了交通流数据的精度和使用效率。为验证所选融合算法的有效性,本文基于MATLAB平台进行仿真实验。主要工作概括如下：1、设计数据融合框架,在数据融合前对数据进行预处理、关联处理,为交通流数据的融合计算提供良好的数据基础。2、基于数据融合框架和交通流数据特点选择指数平滑法和神经网络两种融合方法,分别针对浮动车数据欠充分、充分两种情况对数据进行融合计算。3、基于MATLAB仿真平台,采用BP神经网络和指数平滑法,对路段平均速度进行融合仿真,并对实验结果进行分析。