智能交通系统（ITS）是一个融合了多种先进技术的信息化综合系统。利用ITS共用信息平台连接ITS子系统实现信息资源的共享、交换和综合利用是目前国内外各城市ITS的发展方向。　　 本论文在广泛查阅国内外各类文献的基础上，密切结合广州市ITS共用信息平台示范工程的建设，分析了当前世界上在智能交通系统中相关技术研究的最新进展，对智能交通系统及共用信息平台的相关关键技术，主要包括短时交通流预测、交通信息的采集及处理技术、以及信息平台异构数据的融合等方法进行了深入的研究。论文的主要工作如下：　　 1．本文对交通流预测建模的传统方法，如ARIMA、卡尔曼滤波法等，以及基于智能计算的新型建模方法，如神经网络、小波理论等的理论及算法进行了详细地比较分析，论述了其存在的问题。并根据支撑向量机的特点，重点研究了LS-SVM和增量最小二乘支撑向量分类的算法理论和实现，并采用它在交通流预测模型的构造及求解。同时针对典型的LS-SVM以离线的形式对批量数据进行训练，不能应用于实时分类的问题，本文采用了一种有效的基于块增量的在线LS-SVM回归（ISVR）的训练算法，以块增量学习的方式对LS-SVM进行训练，避免大矩阵的逆运算操作，该算法适用于交通流预测建模这样的大数据集问题和需要对样本顺序处理的实际应用问题，具有较好的实际工程应用价值。　　 2．在前面研究的基础上，针对传统的SVM学习算法都以批量数据离线训练方式进行，面临处理能力不足的问题，为了大幅度提高算法的训练速度以处理大规模数据集，本文又进一步研究了在线学习的功能，并研究采用在线SVR（OSVR）技术在交通流预测模型的应用；同时针对ISVR算法中核函数的参数选择所采取的迭代计算方式的不足，结合遗传算法的特点，提出了基于混和遗传算法的在线交通流预测模型的参数优化方法（Hybrid GA OSVR），即对OSVR算法中的核函数（径向基函数，RBF）的参数σ和γ进行最优化计算，最后对ISVR及Hybrid GA OSVR两种方法采用美国的Ⅰ-880公路的数据进行校验，校验的结果表明ISVR及Hybrid GA OSVR算法都优于采用传统的BP神经网络的算法，而Hybrid GA OSVR算法的预测结果则更好。　　 3．在分析了采集交通数据的各种方法的基础上，着重对目前最新应用的动态采集数据的浮动车方式的理论及技术进行了分析，结合广州市已成功应用的17000多辆出租车作为浮动车采集数据的国家科技项目（课题编号2005BA414806）的数据为依托，提出了基于浮动车GPS定位技术的数据采集和处理方法以及浮动车实时地图匹配算法。实证结果表明这些方法是有效的，具有较好的实际应用价值。　　 4．从理论上重点研究了包含异构数据的ITS平台体系结构、数据融合的特点及功能、逻辑结构和本体论技术。ITS共用信息平台需要整合来自多个ITS子系统的多源异构数据，并进行整合以得到综合利用。国内外在ITS共用信息平台的数据融合方面大多数是采用简单的一次融合，异构数据之间的有效信息不能很好地进行提取并进行综合应用，数据信息的深层次挖掘不充分，因此实际应用效果不是很理想；而根据本体技术的责任是将应用系统中模糊的、异构的知识在较高的层次上组织成概念和概念之间的关系，并提供了语义信息的简明、一致和陈述性的描述特点，提出了从多个不同格式的数据源中半自动的提取领域本体的模型。本文将该技术运用在广州市ITS共用信息平台示范工程（课题编号：2002BA404A14）的建设中，实证表明该方法是有效的。　　 有关ITS共用信息平台中各种技术的研究，包括其子系统的数据融合、采用浮动车的实时交通数据采集和处理等技术以及基于智能计算技术的交通流预测模型在世界上是一个研究的新方向和热点。本文的研究是依托“十五”国家科技攻关重点项目，广州市ITS共用信息平台示范工程（课题编号：2002BA404A14）及国家科技攻关计划《浮动车交通信息采集关键技术研究》（课题编号2005BA414806）的基础上进行的。经实验表明，本文所提出的基于SVM技术的短时交通流预测模型方法，基于浮动车的数据采集及处理方法和浮动车实时地图匹配算法，以及基于本体技术的ITS共用信息平台的数据融合方法的研究是可行的，其理论基础是正确的，具有较好的使用价值，并为这些研究提供了一种新的解决思路。