交通检测器的优化布设对于降低投资成本、完善交通信息采集平台、指导交通管理与控制等方面具有重要的意义。基于OD估计的交通检测器优化布设是指用一定数量的检测器布设在合适的路段上,以达到用部分路段交通量推算路网OD矩阵的目的。该布设问题主要考虑两个方面：一是检测器布设的密度,即数量；二是布设的路段。目前相关领域的研究仍存在许多不足,亟需完善。本文从交通检测器优化布设的基本原则和布设模型出发,针对现有模型中未考虑检测器布设成本、路段等级和客观环境因素等问题,建立考虑更加全面、适用范围更广的最大OD信息、最小布设成本、最大截断流量、最小包含路径的改进的检测器优化布设模型。并应用遗传算法对单目标模型进行求解。在改进的布设模型基础上,以布设预算和OD覆盖原则为约束,建立多目标检测器优化布设模型,并将其扩展到混合布设和路网中已布设检测器等情况。从各子目标的重要性角度出发,结合模型特点和实际应用需要,采用宽容分层序列法求解多目标检测器优化布设模型。针对每一层的子目标,设计遗传算法求解各分层的最优解集,获得满足多目标的检测器优化布设方案。最后以Nguyen-Dupuis网络为例,对该多目标模型进行运算与验证。根据最优布设方案,反推出OD矩阵,将推算的OD重新分配到路网中,推算观测路段及全部路段的分配交通量。计算OD估计的平均相对误差、分配交通量的平均相对误差,并与传统的优化布设模型相比较,证明该多目标模型的OD估计精度更高,交通分配量拟合度更高。本文提出的在成本约束下的基于OD估计的多目标检测器优化布设模型及算法,更加贴合工程实际、简单实用、适用范围广、精确度高,能够为道路交通检测器的布设工作提供新的解决思路与方法。