为了缓解城市道路拥塞,为交通管理机构指挥交通、疏导车辆带来极大便利。我们要对交通流参数进行检测,以便及时得知路况信息,做出应对措施。但是检测器获得的信息很多很杂,如果这些数据一起处理会造成大量的资源浪费,所以要用到信息汇聚这一新技术。论文是源自《基于公路交通传感网信息检测·挖掘·汇聚、发布于辅助决策系统示范》项目,基于信息汇聚对交通流进行检测,从而高效的解决分流管制、行车诱导、最佳行驶路线以及减少拥堵等实际问题。论文首先剔除异常数据,这是极为关键的一步,因为信息融合结果的好坏主要取决于信息的来源——数据的可靠性,如果不加处理的将全部数据都进行统一的融合处理,势必会影响结果的准确性,也增加了很多不必要的运算,极大的浪费了人力财力。然后以基于最小方差和最小均值的加权平均法来对车速进行检测,将多个检测器检测到数据进行融合得到更准确的值。本文的贡献主要有：1.根据目前多检测器融合算法提出了基于加权平均的柯西不等式算法和多属性决策算法,仿真结果显示,这两种算法都满足实际需求,且算法本身复杂度较低,非常适合应用于融合精度要求不高的场合。2.根据检测器质量的好坏提出了已知优良检测器和未知优良检测器下的算法融合,在已知优良检测器时,根据数据对比,我们发现在取误差为4%时,可以达到最佳效果。且算法复杂度小,融合的结果完全满足实际需求。在所有仿真图中可以看出使用三分法剔除数据然后利用多属性决策法进行信息融合所得到的结果最为理想。