随着我国高速公路的持续发展,出现了一系列的高速公路交通问题,如交通拥堵、事故频发、环境污染等。这些问题的产生使得人们对我国高速公路存在的主要问题及发展方向的研究变成了一个迫切的课题。但是由于我国高速公路的建设速度与管理经验累积并不成正比增长关系,因此需要我们投入更多的精力去分析和解决这些问题。研究高速公路的交通问题,首先要从其交通流状态出发,而获取高速路网交通流运行状态信息及车辆运行规律分布是展开研究的基础与前提。本文以连霍高速公路—G30(江苏段)为研究对象,对该路段的交通状态展开了一系列的研究。首先,本文对高速公路上的多种交通信息检测技术、高速路段的基本特性、数据融合的发展及技术特点等方面做了详细的描述。确定了该路段上的两种主要检测手段—收费站和交调站,以它们的检测数据为基础,提出了基于这两种检测手段的ArcGIS时空匹配方法,选用并改进了一套基于两种数据的交通信息提取与预处理方法。依据两种数据的交通提取信息,对高速公路的交通流特性做了相关阐述。其次,结合两种数据和小波神经网络在短时交通流预测中的特点及优势,构建了基于这两种数据的小波神经网络融合预测模型,并选用了权值分配方法作为融合预测的对比模型。通过以相对误差为主的三种融合预测效果评价指标,确定了本文研究的基于高速公路的多源交通数据融合模型。在融合预测结果的基础上,建立了能够依据历史融合结果对路段交通流状态进行实时预测的卡尔曼滤波模型。再次,通过单检测器对研究路段的检测数据,对研究路段的交通数据特征和交通流状态做了基本的分析。以此为出发点,对多源数据融合预测模型进行了实例验证,同时依据历史交通信息,对路段的交通流状态进行了实时估计。最后,介绍了以多源交通数据融合为核心的高速公路交通流综合感知系统的开发设计,该部分主要从系统设计思路、系统需要实现的关键问题及多源数据融合结果Web输出展示三个方面做了主要的介绍。