智能交通系统(Intelligent Transportation System,ITS)是将先进的信息技术、数据通信传输技术、电子传感技术、控制技术以及计算机技术等有效地集成并建立的实时综合交通运输管理系统。智能交通系统的实现,离不开实时交通信息的支持,要实现交通信息应用的爆发式增长,关键在于如何获取原始车辆交通数据并处理成精确的交通信息。针对上述需求,感应线圈检测器、地磁检测器、雷达、红外、超声波、视频检测等方式相继被提出,一定程度上满足了车辆检测的实时性和可靠性。然而上述检测方式存在安装维修不便、使用成本偏高、存在检测盲点和受天气影响大等限制。对此,本文提出了一种基于分布式光纤传感(Distributed Optical Fiber Sensing,DOFS)系统的车辆识别算法,利用光纤对地面振动的感应能力获取地面振动信号,结合多种信号处理方式,识别车辆振动,并获得常用的交通信息。本文首先研究了车辆产生的地面振动特性和传播特性,分析了光纤传感系统的振动感应原理,并明确光纤传感系统应用到识别车辆振动中的可行性。并在此基础上对地面振动信号进行信号采集,并初步分析其信号特性。信号处理和数据分析是设计车辆识别方法的基础。本文从振动信号特征出发,根据车辆振动信号非线性、非平稳的特征,介绍了车辆等地面目标识别的预处理方法和特征提取方法,分析了基于时频分析的信号处理方法,并根据处理结果提取多种信号特征。根据所得特征,进一步对其进行筛选和降维工作,最终获得通过振动信号识别车辆的有效特征库。为提高车辆识别算法的效率和准确性,本文介绍并分析了常用模式识别方法,在得到车辆信号的识别特征库后,本文通过对振动数据的分析获得车辆识别结果,并将提取的特征送入合适的模式识别器中。进一步地,本文提出了道路断面双向车辆速度估计方法,以及基于光纤传感信号的交通信息提取算法,用以获得较为精确的行车速度、方向、位置等交通数据。根据上述车辆识别算法步骤,本文通过对光纤传感下的行车实验采集的数据进行了信号预处理,信号分析和特征提取,特征筛选,验证了车辆识别算法的可靠性;进一步训练特征样本,验证模式识别方法性能;最后处理获得光纤振动数据得到交通数据,对比实际数据,验证本文车速测量算法的实用性和可靠性。