智能交通系统已经在世界范围内得已广泛应用，同时ITS(IntelligentTransportationSystem)数据正在以一个每天兆字节到十亿字节的增长速率集聚在中心。这就给交通研究者和实践者在分析交通问题时提供了一个非常有利的视角。但同时不可忽视一个问题是采集到的ITS数据中存在着大量的问题。这些问题包括：数据模式不清楚，数据丢失，数据不精确，错误数据以及数据间相互关系的定量描述等。本论文以此立题，针对ITS中存在的这些现实问题，本文对ITS数据进行了研究，数据来源于北京二环和三环上的微波检测数据(包括：交通流量，速度和占有率)。本文主要研究了以下几个方面： (1)对国内外的一些ITS数据研究进行了综合分析，明确了研究的目的和意义，确定了“从实际的ITS数据问题出发，运用科学的理论进行分析并结合实际数据验证”的技术路线。 (2)分析了原始的ITS数据问题，提出了ITS问题数据的判别规则，确定了进行初步的ITS数据质量控制的基本思路和步骤。并对控制前后的流量，速度和占有率数据对了对比分析。 (3)对利用小波变换的原理进行识别ITS数据的模式进行了研究，通过研究发现，小波分析有着比传统的数理统计方法不可比拟的优势，利用MATLAB小波分析工具箱对流量，速度和占有率数据进行了多重的小波分析与重构。数据结果证明：8层细节的Db5小波基满足对ITS数据评价的需求。 (4)本文针对ITS数据丢失的问题，对于不完整的ITS数据进行了研究分析，提出了基于贝叶斯网络结合马尔可夫链蒙特卡罗技术的不完全ITS数据处理方法，与其他的数据补充方法相比，比如历史平均值法，线性插值算法等，贝叶斯网络的自身可以学习变量内因果关系优点，该方法显示了更好的优越性和结果。 (5)最后，本文将信息原理的相关知识引入对ITS数据的处理，主要是想对数据间的依赖和相互关系定量地去描述，利用信息论中的熵值和互信息的定义处理流量，速度和占有率数据，并拿熵值和方差，互信息值和相关系数进行了比较。结果表明，与流量和速度相比，占有率值是预测将来交通状态一个更好的预报器。