随着我国经济快速发展，汽车保有量日益增加，原有的城市道路已经很难满足居民的出行需求，因此交通拥堵现象日益严重，并成为困扰大城市的主要交通问题，对人民生活和经济发展造成了巨大影响。而交通共用信息平台的出现，大大缓解了交通问题，特别是智能交通新技术的不断推广及应用，极大促进了交通拥堵问题的解决。针对以上现象，本文以交通共用信息平台为主要研究方向，针对交通共用信息平台在交通参数提取方法方面，提出了基于视频的车速检测方法和基于遥感图像的道路车辆空间占有率估计方法。基于视频的车速检测方法是交通共用信息平台的关键技术。由于在实际应用时车速检测系统的实时性及可靠性要求较高，需要视频测速算法具有较好的鲁棒性和较快的运算速度。根据以上条件，本文将基于视频的测速系统划分为视频采集模块、道路运动目标检测模块、Harris车辆角点检测模块、车辆角点匹配模块、坐标变换模块。该方法首先利用混合的高斯模型检测道路运动车辆目标并且提取出车辆的前景图像，再利用Harris角点检测原理检测出前景图像的角点，最后用角点匹配原理对车辆角点进行角点匹配，接着利用单视觉的方法来进行坐标变换，进而得到比较精确的车辆速度。基于遥感图像的道路车辆空间占有率估计方法是对视频处理技术的补充，也是交通信息获取与处理的关键技术。本文通过对比遥感卫星数据、临近空间数据和航空数据，得出遥感航空数据最容易获取交通信息。因此本文选用遥感航空数据进行仿真，通过对道路图像的增强处理、去噪以及开运算、闭运算、二值化来获取道网结构，利用Hough来估计道路长度，提出利用模糊处理技术来估计车辆长度，最后得到车辆的空间占有率。道路的车道空间占有率是重要的交通信息，要想从遥感图像中提取车道空间占有率就必须先提取道路长度和车辆的长度，所以道路和车辆的长度的提取显得很重要。又由于遥感图像不清晰且有误差，所以本文提出的模糊处理技术是一种较为正确且有效的方法。通过实例分析结果可知，本文构建的两种交通参数提取方法为交通共用信息平台中多源多维信息感知的实现提供了强有力的技术支撑。