随着社会经济和科技的不断发展，公路运输在给人类生活带来便利的同时，影响交通运输安全的恶性事件时有发生，公路交通治安问题俨然成为公路运输业和公安系统的难题。视频作为信息载体，已成为公路交通监控中的一种主要方式。然而当前基于移动公网的信息传输流量费用仍然较高，本文研究基于信息融合的车载视频信息变流量传输算法，可有效降低昂贵的流量费用，主要工作和成果如下:　　(1)分析信息融合和BP(Back-Propagation，反向传播)神经网络的优缺点，针对BP网络的输入信息复杂多变时，固定的网络结构不能适应各种变化的环境的问题，提出了结合DS(Dempster-Shafer证据理论)和BP神经网络的决策算法，即DS-BP决策算法。　　(2)通过研究车辆运行异常的原因，对车辆的视频、音频、车速、加速度、转向强度、发动机转速和冷却液温度等信息进行异常特征提取，为之后的车载视频变流量传输决策奠定数据基础。　　(3)利用PSO(Particle Swarm Optimization，粒子群优化)算法来确定BP神经网络的初值，改善了BP神经网络容易陷入局部极小值和收敛速度慢的问题。