随着全球交通问题的日益突出，智能交通系统(ITS)成为目前研究的热点。ITS是一个很大的领域，包含了很多子系统，本文主要对位于ITS底层的交通流参数获取领域进行了研究。在分析了目前国内外常用的多种交通流检测方案后，本文设计了一种基于超声的交通流参数获取方案。该方案以超声测距所获得的数据作为分析交通流的基础。 本文对基于超声数据的交通流参数获取进行了研究，实现了一系列相关算法。包括一种对噪声不敏感的车辆波形提取算法和一种基于时序的车辆波形匹配算法，并给出了车高、车长、车速、流量、密度这些交通流参数的获取算法。针对基于超声的数据波形的特点，本文所实现的车辆波形提取算法可以在有系统噪声干扰的情况下准确提取出车辆的波形，而本文所实现的车辆波形匹配算法则对车辆提取过程中误提取的噪声的干扰具有一定的鲁棒性，且发生匹配错误后不会使错误积累，不影响下一辆车的波形匹配。 另外，本文对交通流参数获取所需的车型分类进行了重点研究。设计了一种较为通用的车型分类方案，并针对该分类方案的特点将贝叶斯决策理论和傅立叶描述子模型引入到车型分类算法中。本分类算法采用了多级分类的方式，即首先通过贝叶斯决策模型对车型进行初步分类，而后在初步分类的基础上通过傅立叶描述子模型对车型进行二次分类。在初步分类时使用了非参数估计的Parzen窗法来获得分布未知的类条件概率密度，在研究傅立叶描述子模型时，本文还对一辆车的采样点的个数与傅立叶描述子描述能力的关系进行了详细分析。 基于超声的交通流参数获取原型系统已经在PC机上实现，并在现场实验中取得了比较理想的结果。