智能交通系统是利用电子通信技术,形成车辆、道路与环境三位一体的新公路交通系统的总称(包括驾驶人员和管理者),其核心是通过各种交通分析模型完成对交通信息的处理,各种交通分析模型是建立在大量交通流数据的基础上。本文的目的在于通过对快速路交通流数据的修复,提高交通流的数据质量,从而确保交通分析模型的准确性和智能交通管理系统的有效性。本文主要针对从城市快速路路面检测系统提取的原始信息数据精度不足的问题,在对交通流数据发生缺损的客观条件分析和交通流特性分析的基础上,建立起交通流三参数(交通流量、速度、占有率)之间的关系模型,并对异常数据进行筛选,最后提出两种快速路数据修复算法。基于统计相关的交通流数据修复方法是在目前常用的基于时间和空间相关性的数据修复基础上进行改进而建立的,通过精确的数值计算,确定相关性最大的参考数据组对缺损数据进行修复。基于BP神经网络的交通流数据修复方法是在交通流三参数的三维曲面模型的基础上,利用BP神经网络进行曲面修复,从而实现交通流数据的修复。通过实际采样数据进行实验,并对结果进行分析和比较,两种交通流数据修复算法都能够达到满意的修复效果,区别在于擅长修复的对象类型不同。根据不同情况,选择合适的数据修复算法,就能用最简便、快速的方法,对交通流缺损数据实现修复,并达到精度的要求,从而满足交通管理各个系统的需求。