实时、准确的交通流数据是对交通流进行精益化管理、有效实现智能运输系统(Intelligent Transportation Systems,简称ITS),尤其是其先进的交通管理子系统(Advanced Traffic Management Systems,简称ATMS)和先进的出行者信息子系统(Advanced Traveler Information Systems,简称ATIS)的重要保证。交通流状态辨识、控制及优化是交通流理论的重要研究内容。从实际道路交通系统中采集到的动态数据不可避免地存在丢失、错误、冗余等质量问题。高质量的交通管理与控制依赖于高质量的数据。因此,数据清洗是其后续工作中状态辨识和数据融合得以实施的基础,也是ITS成功实现的关键。本文在总结国内外相关研究现状的基础上,结合当前交通流数据清洗的需求,重点研究了单数据源数据清洗的关键理论和方法,即:基于粗集理论和最小二乘支持向量机的丢失数据补齐模型、基于孤立点和边界检测的错误数据判别模型、基于灰色关联理论的错误数据修正模型、以及冗余数据识别和约简模型;利用英国南安普敦大学TRG以及淄博市城市综合交通规划提供的实测数据分别对所建立的模型及算法进行验证,结果表明本文所建立的上述模型均具有很好的性能。