在当今大数据时代,数据融合技术在各行各业中都扮演着极为重要的角色。在交通领域,由于客观上存在的成本考量与数据维护能力考量之类的情况,因此只能对少数的重要路网节点、路网路段的交通数据进行采集,导致对路网整体的管控能力产生一定影响,而解决此问题也正是交通数据融合的最大意义所在。利用多源数据采集技术与交通大数据融合技术,人们能够对无检测器路段或无检测器交叉口区域的各项缺失的交通参数进行科学合理的推算,并且可以为后续的交通子区动态划分研究、交通信号协调联控研究、行为人的区域关联性分析等智能交通相关领域的研究提供大量可靠的数据支撑,提高对路网全局的把控管控能力。本文以2018年11月20日成都市滴滴车辆运营轨迹为研究对象进行以下四方面的研究:首先要根据后续的研究需要有针对性地对搜集到的各种数据集进行分析与整合,最终形成一套具有全属性的路网数据集、一套模拟出的车辆低频轨迹数据集以及其他辅助数据集等。其次对模拟出的低频数据点位进行候选匹配路段的筛选工作,随后利用图论的最小费用最大流模型算法求解车辆全轨迹链的重构的结果与轨迹点位最终匹配路段的匹配结果,并利用原高频数据集对此轨迹重构结果进行评估,根据评估结果可认为此轨迹重构方法效果良好。再次根据点位的最终匹配路段结果利用路段切片化分析与速度阶梯化分析的方式进行路段的平均速度推算工作,并以此为基础、以交通流理论为依据进行路段流量的推算,随后用多方面数据对路段的平均速度推算结果、路段流量推算结果进行评估,各种评估结果显示此推算方法可行,评估效果较为理想。最后根据路段流量构建了交叉口转向流量推算模型,将选定的某交叉口相关的自推算流量数据为示例带入交叉口转向比推算模型中,并利用遗传算法多次求解,得到交叉口各转向流量比,随后对求解结果进行分析与自我评估。