信息技术的发展带来了多源交通数据的急剧增长,使交通大数据分析在各种交通应用带来了巨大的机遇。同时,交通数据的丢失问题也使基于单源交通数据的应用面临挑战。现有的交通数据处理方法往往只挖掘单源数据的特性。鉴于此,本文从多源交通数据信息利用角度出发,研究存在丢失数据情况下的多源交通数据融合方法。针对固定检测数据源以及移动数据源存在的数据丢失与稀疏问题,在分析多源交通数据特性的基础上,在多张量模型框架下,挖掘多源交通数据间存在的共有结构关系;研究多源张量填充算法,以获取完整的多源交通数据;采用经典的基于神经网络的数据融合方法融合多源数据得到完整可靠的路网交通状态。主要内容主要包括:第一,提出了基于多源数据集共有结构的张量填充算法,解决多源数据集的数据丢失问题。在传统的单源张量填充理论基本思想的基础上,提出了针对多源数据集的考虑多数据集共有结构的多张量填充算法以充分利用多源信息,提出了完全相同共有结构、部分相同共有结构以及相似的结构的三种张量填充算法,研究了算法模型及其优化方法。第二,针对多源交通数据特点,提出了基于多源数据的交通状态提取方法。在多源仿真交通数据基础上对不同源数据进行统计分析,应用本研究提出的基于多源数据集共有结构的张量填充算法来解决交通浮动车数据和线圈数据中存在的丢失和稀疏问题,获取完整的多源数据;再利用基于神经网络的数据融合方法得到完整的路网交通状态。实验结果表明,本研究提出的方法能够充分利用多源交通数据的共有信息,在充分利用交通数据原有多模式特征的基础上实现多源数据填充,提高获取的路网交通状态的可靠性。