随着我国国民经济的发展,各类机动车的保有量急剧增多,传统的依靠加大基础设施投入的方法已经不能解决人们日益增长的交通出行需求。很多特大型城市,如北京、上海、广州、成都修建的城市快速路阻塞现象屡见不鲜。同时快速路交通还面临运输效率低、交通事故频发、环境污染等问题。城市快速路作为城市道路网的主骨架,是城市各区域之间和城市对外交通联络的大动脉,承担着城市大部分的日机动车交通量。因此,提高快速路的交通运行效率,缓解交通拥堵,是改善城市整体交通环境的首要任务。信息采集技术的进步为交通信息提取研究提供了可靠的信息基础。交通数据具有以下特点：海量数据、应用负载波动大、信息实时处理要求性高、数据共享需求大、高可用性、高稳定性要求。然而,由于各种检测采集系统的分管部门不同,造成了检测数据之间难以共享。同时,各种检测采集器的点位布设缺乏统一规划,采集周期以及得到的数据格式不一致给交通信息的融合增加了难度。目前,很多城市已建成智能交通系统,较好的发挥了现有交通设施效益。但是,由于交通流的复杂性,智能交通各子系统的关联性不够强,导致交通控制系统和诱导系统联合实现智能交通目标功能还不够完善。本文针对交通采集系统和交通控制系统所提供的多源、海量、异构、实时的快速路交通信息,在快速路交通信息提取和交通协同控制相关研究的基础上,深入研究了快速路交通信息融合、基于粒计算的交通流参数预测,以及快速路的交通协同控制。主要研究内容包括以下几个方面：(1)对浮动车、视频采集和微波检测采集技术原理进行了介绍,结合三种采集技术所获取的部分数据进行统计分析,最后对采集数据的清洗方法进行了归纳,为后续研究打下了数据基础。(2)针对单一检测器所得到的交通数据不能够全面准确地反映实际的交通状态,提出一种基于AF-SVR模型的城市快速路多源交通信息融合的方法。首先通过将相同路段中不同检测器的速度数据作为学习样本输入到支持向量机回归模型(support vector regresion, SVR)中进行训练。然后利用鱼群算法(artificial fish, AF)对支持向量机回归模型中的参数进行优化,获得最优的信息融合模型,用于多源交通信息的融合,输出为能准确反映真实交通状态的速度数据,并用人工采集的速度数据作为真值进行验证。最后将此方法应用于成都市三环快速路路段上的多源交通信息融合。(3)以信息颗粒为基础数据分析单元,针对以往模糊时间序列模型存在的缺陷,提出了一种新方法构建模糊时间序列模型,该方法在挖掘数据内在信息关联的基础上,考虑时间变量的影响下分析动态可变的区域间隔长度。此方法主要特点是基于Gath-Geva模糊聚类的时间序列分割,利用模糊分割构造信息颗粒,以信息颗粒为数据单元,通过粒计算分析研究交通流参数动态变化趋势。实验结果表明,基于粒计算的交通流参数预测可以预测合理的交通流参数置信区间,比传统的参数数值预测可靠度更高。(4)在控制子区动态划分的研究中,路网分为常态和非常态两种环境并在各个环境下分析研究。在对本文的交通信息进行整合分析的基础上,常态下以交通状态信息为主决策信息,提出了关联相聚度的方法,并设计了常态下的交通子区动态划分流程。非常态下提出了以交通波理论为基础,根据事件程度(或事件类型)、事件响应时间和事件发生点上游交通流的交通特征参数,建立了涵盖时间域和空间域城市道路交通事件的影响范围模型。(5)提出了基于改进MPC策略的区域交通协同控制方法。该方法综合考虑了匝道控制、可变限速控制、VMS诱导等管控手段,通过改进模型目标函数和构造用于分区控制的区间协同模型,实现了对城市快速路的动态控制,并具有闭环、最优、协同等特征。算例分析结果表明了该模型较之以往模型在求解精度和求解速度方面的进步。(6)编制了“城市快速路交通信息提取与协同优化研究”示范软件。该软件以成都市三环快速路为背景,利用前文各章提出的数据处理技术和方法模型,实现了对研究区域内的交通信息查看、交通状态预测、动态子区划分、区域交通控制等功能,可为成都市智能交通建设提供参考。最后,总结了论文所取得的主要研究成果和创新点,明确论文的不足和有待进一步的研究工作内容。