道路中实时的动态交通信息是交通控制的基础,要尽可能详尽的掌握道路中的交通信息,交通控制系统可以通过利用和布设一种或几种类型的检测器来实现。但是在发展中国家的小城市以及工程实际中,并不能承担投入大量的探测器及附属基础设施,如光纤,维护方面的资金投入。在现有控制系统设备的情况下,为了提高道路中交通信息的获取,本文进行了MATCS中的虚拟检测器技术研究。本文的研究工作主要围绕在虚拟检测器数据与相邻检测器数据的时间和空间上的相互关系,进行交通参数的挖掘和预测。本论文概述了道路中动态交通信息的获取技术,重点介绍了固定检测器的研究。综述了固定检测器的布设及其安装时需要注意的事项。分析了从固定检测器获得的观测数据可能存在故障的原因,并提出了相应的解决方法。通过对车辆离散、多传感器数据融合和方法的研究,重点研究了BP神经网络方法,建立了基于BP神经网络方法的虚拟检测器模型,从空间上实现了对虚拟检测器与相邻检测器问的相关性研究。采用指数平滑法实现了对虚拟检测器数据在时间上的预测,利用VISSIM仿真软件进行模拟试算表明此模型算法的有效性。论文对使用虚拟检测器与不使用虚拟检测器的控制系统进行了对比,结果证明使用虚拟检测器的控制系统取得了更好的控制效果。