城市道路基础设施的供给与交通需求之间的矛盾日益突出,交通拥堵问题日益严重。目前,仅仅依靠拓宽道路、增加路网密度等基础设施已经难以解决城市的交通拥堵问题,而智能交通系统的研发是一条可行的途径。先进的交通管理系统是智能交通系统的重要组成部分,其中交通流数据的质量识别与修正是先进的交通管理系统中最基础和关键的组成部分,如何提高城市道路交通流检测数据的精确度和实时性就变得非常重要。论文提出单源数据修正和多源数据修正相结合的方法来提高道路交通流数据的精确度。首先对不同检测数据进行单源数据的质量识别与修正研究。文中基于交通流理论和阈值理论对原始数据进行异常数据识别与分类,之后应用历史趋势法、时间序列法和交通流局部稳定的特性对缺失数据进行修补,并提出改进的埃特金插值算法对错误数据进行修正；其次,论文提出基于数值优化的BP神经网络对多源数据进行融合修正,分别选用BFGS拟牛顿法、正切拟牛顿法、Fletcher-Reeves共轭梯度法、Polak-Ribiere共轭梯度法和Levenberg-Marquardt算法等五种数值优化的方法对BP神经网络进行改进,并分别对其相对误差、运行时间、迭代次数进行了对比分析；最后,论文选取北京市二环路多源检测数据进行实例验证。