交通检测器是获取实时交通流数据的关键因素。由于检测器造价昂贵，因此需要对交通路网进行有选择的布设。另一方面，在现实中，检测器故障情况是普遍存在且不可避免的。本文首先以城市路网为背景，考虑不确定性因素下的检测器布设优化问题。其次，以高速公路为背景，以旅行时间估算为目的，考虑检测器不确定性条件下的布设优化问题。最后，以多种交通应用为目标，考虑多目标的检测器布设优化问题。本文主要完成了以下工作：（1）在稳定的交通流状态下，以覆盖尽可能多的OD对和交通流量为目标进行检测器布设优化，主要考虑以下方面：（a）在覆盖所有OD对的前提下，最小化检测器数量；（b）基于高可靠性考虑，设计优化检测器位置布局；（c）在已有交通检测器的条件下进行检测器网络布设；（d）布设检测器以达到覆盖尽可能多交通流量的目标；（e）考虑检测器本身不确定性及覆盖尽可能多交通流量条件下，在交通网络中布设检测器。对于前面四个问题，提出了相应的整数规划模型，并对结果进行了分析。对于第五个问题，提出了两阶段的整数随机规划模型。另外，为了避免极端低效率情况的出现，设计了基于CVaR的两阶段整数随机规划模型。数值实验分析了不同检测器数量对于OD对覆盖和交通流量覆盖的影响以及不同检测器数量条件下检测器位置模式的影响规律。研究了位置模式的差异情况并进行了灵敏度分析。设计了一种两阶段启发式遗传算法进行求解。（2）以单向高速公路为背景，使用速度检测器来估算旅行时间，优化目标是使旅行时间估算误差最小化，建立了检测器位置优化模型，并通过线性化技术将其改造成整数线性规划模型。另一方面，在考虑了检测器不确定性的基础上，提出了两阶段随机优化模型和基于CVaR的两阶段随机优化模型。研究了不同模型的结果并进行了灵敏度分析。提出了基于组合取样技术的遗传算法，从而为研究大量检测器情况下的布设优化问题提供了可能。（3）使用车辆自动识别检测器，面向多种交通应用提出了多目标优化问题。使用基于距离的多目标进化算法进行求解。对单目标和多目标情况的结果进行了比较，并对得出的Pareto前沿面进行了分析。