城市交通诱导系统是智能交通系统(ITS:Intelligent Transport System)的一个重要组成部分,诱导系统的技术基础是能够对多源交通流数据进行有效处理。尽管城市交通中现有的交通流检测方法比较丰富,但各个系统之间的交互性较差;并且,由于检测方法原理上和检测设备性能上的不同,造成即使对同一组交通流参数采用不同的方法进行检测也会得到不同的结果;其三,缺乏有效的技术分析手段对这些数据进行深层次挖掘,导致许多有重要价值的信息被湮没和被忽略。针对以上问题,本文提出基于多源交通流参数的证据合成方法,对目前多种交通流传感器采集的数据进行分析、融合。本文研究工作包括三部分内容:1、研究一种新的动态OD分析方法,该方法将抓拍识别设备或信标法获得的车辆数据作为数据源,对其进行处理以获取相关交通流参数信息。该方法以路段平均行程时间为基础,利用某周期的数据预测下一个周期的路网最长行程时间,并得到该周期的滑动时间窗口大小。当下一周期到来时对落于滑动时间窗口内的数据进行处理以获取路段平均行程时间等有效交通流参数。2、通过分析一定时段的抓拍车辆信息,对路网中该时段存在的群体性出行规律进行研究,并基于此提出典型行车路线理论,同时研究给出一种基于热点的启发式求解算法,利用该算法能够通过路径遍历和模糊聚类获取具有不同粒度的典型行车路线。3、针对多种检测方法(感应线圈、视频检测、第一部分的动态OD分析法和浮动车法等)采集到的交通流数据,利用证据理论对其进行融合处理,对融合过程中存在的检测参数缺失、数据冗余,分别利用Greenshields交通流理论和改进的粗糙集属性约简规则进行处理:在处理过程中采用模糊似然测度法获取基本概率函数,并提出改进的证据合成公式用以消解矛盾证据中的冲突。本文所获得的理论研究成果,在浙江省重大科技专项项目“城市智能交通诱导系统的关键技术研究与应用”的研发过程中,已经顺利通过了实践检验;并基于此成功开发出城市交通流信启、诱导服务子系统,该子系统包括三个模块——城市交通OD分析模块、典型行车路线获取模块和交通流信息融合模块。城市交通流信息诱导服务平台投入实际运行的成功,验证了本课题研究所获得的理论成果和算法的可行性和准确性。