近二十年来，我国城市交通发生了很大的变化，一个明显特征是城市车辆保有量越来越高。根据中国社科院去年发布的《城市蓝皮书》披露：近十年来汽车年均增加1100多万辆，是2003年汽车数量的5.7倍，道路汽车密度远超警戒值。交通管理部门及众多高校对此十分重视，许多院校新开设了交通专业，加强了对相关方面领域的研究。　　公路交通研究需要对道路交通状况进行调查分析，掌握准确实时的交通信息，进而建立数学模型并进行模拟、教学。目前对交通信息的采集普遍采用人工统计或PDA计数仪，对交通模型的演示仍采用传统的沙盘模型，存在一定的局限性：人力物力耗费大，实时性不能保证；传统沙盘模型制作工艺复杂、费用高、周期长、不便于操作。　　本文引入机器视觉技术，并结合计算机模拟、虚拟现实技术对交通流模拟系统的几个关键点进行研究，具有实时性好、数据准确度高、便于操作、自动化程度高等优点。主要研究内容包括：　　1、研究了一种基于多维高斯背景模型的车辆检测方法，结合帧间差分图像更新背景，解决背景中物体由静止变为运动状态时背景更新慢的问题；结合背景差与帧差法提取运动目标，背景差法可以检测静止或运动速度过快的车辆目标，以避免帧差法提取车辆目标失真情况的发生，帧差法可以弥补背景差法对光照、天气等干扰条件敏感的缺陷；通过凹点检测分割粘连车辆，优化了运动车辆目标的检测结果，提高了检测精度。　　2、提出了一种基于运动历史信息加权图像的Mean-Shift自适应跟踪方法。传统算法存在难以估计方向、速度变化目标、且迭代次数多的缺陷，对多个运动目标跟踪时实时性差，改进的算法克服了这方面的缺陷，不仅减少了迭代次数，同时可对方向、速度进行估计对下一帧目标位置进行预测，提高了车流量统计系统的实时性。　　3、实现了一个简易的交通流模拟系统。基于windows操作系统，使用C++语言并结合OpenCV库开发了基于机器视觉的交通流量检测系统，并基于Unity3d虚拟现实开发引擎，建立真实感较强的交通流模拟画面。　　本文的研究成果既可以用于教学，又可以用在真实的交通流量统计。