车辆检测是智能交通系统的基础核心问题,通过车辆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。传统的车辆检测方法一般都采用单类型的传感器,但单一传感器受其自身的制约,用于车辆检测都有其不利的一面。而通过多多源交通信息数据的融合,可以获取包括车速、车流量、道路占有率等比单一传感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。目前,视频传感器已被广泛用于车辆检测,但视频传感器对于光线变化敏感,易受天气、光照等因素影响,而磁敏传感器不受上述因素的影响。因此可以用磁敏传感器弥补视频传感器车辆检测中难以解决的昼夜转换和复杂天气情况等问题,提高车辆检测的准确率。本文主要在视频传感器车辆检测、磁敏传感器车辆检测的基础上,研究两者的数据融合。在分析比较各种数据融合方法之后,本文基于经典Dempster-Shafer证据融合理论,提出了基于数据源可靠性的Dempster-Shafer证据理论融合算法。该算法不仅继承了Dempster-Shafer理论概率分配精度要求低,更完备的信息表达,接近人类逻辑推理过程等优点。同时通过进行可靠性评估与概率重分配的手段弥补了经典理论中常常出现的证据冲突问题。通过对实时采集的视频数据和模拟的同步磁敏数据进行融合,实验结果表明,同白天和夜间情况下单一传感器检测结果相比,数据融合方法可以大大提高夜间情况下的检测结果,同时白天情况下的检测结果也有所提高。本文在已有的融合服务器开发平台基础上设计并实现了基于视频检测和磁敏检测的融合框架和融合中心结构。该融合框架分检测和融合两个阶段,具有松耦合,可扩展等优点,使交通信息的数据源不仅局限于磁敏和视频两种,还可增加任何其他类型。融合中心的结构采用模块化设计,把特征提取、数据关联和融合计算分层次进行,具有结构清晰实用性强的特点。本文还设计了融合数据的通讯协议,规定了检测客户端与融合服务器之间的通讯方式和数据包格式。检测客户端负责对传感器信号进行处理并给出基本的检测结果,按照通讯协议规定发送检测结果到融合服务器。融合服务器通过特征提取接口解析数据包,将数据提取出来放入数据池中,而无需知道客户端具体的检测方法。之后,数据联合单元和融合计算单元负责对数据池中的数据进行关联和融合处理,并给出决策级融合的结果。本文提出了改进的证据理论融合算法,并对视频与磁敏数据的进行了数据融合试验,设计并实现了基于视频检测和磁敏检测的融合框架和融合中心结构,在多源交通信息融合方面做了有益的探索,为进一步实现多源交通信息融合的应用示范奠定了良好的基础。