现阶段在智能交通系统、网联网+、大数据云计算、车路协同车联网等科技高速发展的背景下,对交通数据进行有效的收集、处理和融合,对交通状态进行及时准确的预测和识别,对于交通管理部门施行实时有效的交通管控措施是至关重要的。本文的研究目的在于对国内外交通数据收集及处理技术、交通数据融合技术和交通状态识别技术及相关的应用进行对比分析,结合我国道路交通具体情况,对相关技术进行改进研究。以期达到以下两方面效果:第一,丰富技术理论。主要是对于相关算法模型进行改进,以满足不同条件下的适用性需求。第二,改善实践应用效果。对技术应用过程中可能产生的偏误进行修正并进行技术补充,以便能够为交通管理部门提供更加准确的实时交通信息。首先,本文对交通数据收集、交通数据预处理和数据匹配这三个关键技术进行了详细的研究,制作了不同数据收集方式的技术优势与适用性的综合分析表,并对数据预处理以及数据匹配的算法和方式做了改进,构建了完整的融合前数据综合处理工作的流程框架和优化过的技术体系。其次,对国内外各种数据融合算法和模型进行了深入研究,制作了各类算法模型的适用特性和优劣分析表,在BP神经网络的基础上提出了改进的融合模型及其子模型结构,根据道路类型、天气状况、能见度和路段浮动车样本量的情况设定选判规则来筛选数据源,通过对融合输入端的把控确保融合结果的最优化。同时完成了各部分的网络结构设计和参数标定,然后,基于郑州市多源交通检测器收集的大量交通流基础数据,包括微波检测器数据、线圈检测器数据、视频检测器数据、浮动车数据和自测牌照检测数据,对改进的算法模型进行了实例检验,通过比对牌照实测数据,对融合前后以及不同融合子模型得到的结果进行定量比较,证明了其有效性和准确性。最后,对各类交通状态识别算法和模型进行了研究分析,并基于对郑州市陇海快速路交通数据的处理分析,划分了不同的道路状态,确定了具体的界限参数,并利用Vissim软件建立了相关道路的仿真模型,通过仿真实验获取了道路断面不同状态下的异常状态识别阈值算法。