交通检测器的布设决定着路段行程时间估计及预测的精度,行程时间估计方法的改进也反作用于检测器布设方法的研究与应用。行程时间作为高速公路交通管理的关键参数,可以为交通诱导方案的实施和出行信息的发布提供数据支持和决策参考。根据对现有研究文献的总结,面向数据融合研究高速公路检测器布设方法,将手机定位交通信息提取作为检测器布设考虑的因素作为本文交通检测器布设研究的一个创新性出发点和切入点,研究基于手机切换点提供交通状态数据的支持下,利用BP神经网络数据融合方法估计行程时间,并以行程时间估计误差为约束反推研究固定检测器布设方法。首先,以手机定位交通信息提取作为研究的切入点和创新点,介绍手机定位技术在交通信息提取方面的应用,着重分析基于手机切换定位技术的交通信息提取系统框架和技术流程。基于手机切换定位技术特征,与传统固定检测方式和传统GPS浮动车检测技术进行比对分析,验证手机切换交通信息提取的技术优势和应用前景。同时,参考传统GPS浮动车微观仿真常用方法,结合VISSIM仿真固有特点,提出手机切换定位交通流微观仿真方法,通过对实际交通情况仿真和结果分析加以验证。研究表明,在手机切换样本比例足够(不低于3%)条件下,基于手机切换数据的行程时间估计精度比较准确,且不易受交通运行条件的影响。通过对实际路段交通场景的仿真获得固定检测数据和手机切换数据,采用直接估计方法和融合方法估计路段行程时间。研究提出采用BP神经网络方法融合固定检测数据和手机切换数据用以估计路段行程时间,以满足交通状态不稳定的估计需求,并建立行程时间估计精度评价指标。根据研究需要和拟定的数据融合流程,分别对全路段和切换路段进行融合估计,结合误差指标对比分析单一数据源和多数据源进行行程时间估计,并进一步对融合结果完成深入分析。研究表明,基于BP神经网络的行程时间融合估计效果相较单一数据源,可以得到更精确、稳定的结果和效益,且交通条件差时,优势更明显。结合检测器布设所需要考虑的原则与影响因素,在传统检测器布设经验思路的基础上,以手机切换交通信息采集为支撑环境,采用BP神经网络融合方法进行基于多源数据的行程时问估计,以误差和精度作为检测器布设的约束与目标。确定了均匀布设方案和盲区补充方案两种检测器布设策略,结合路段实际交通环境进行微观仿真。根据估计指标确定方案的可行度,并针对各可行方案的误差指标对比分析。对实例进行验证,得到最优方案。研究表明,检测器布设间距在1000-1500m附近时,行程时间估计误差变化趋平,布设方案较为合理；且应考虑在切换长度较长、有出入匝道处等“盲区”布设检测器,以实现成本受限情况下的估计效益最大化(即误差最小)。