二十世纪八十年代以来,信息融合作为一门新兴学科,在军事监视和防御系统、机器人技术、智能交通、环境监测、目标识别和医疗诊断领域迅速发展起来。本文以交通流信息融合为背景,研究了人工神经网络技术在交通流信息融合中的应用。本文首先对信息融合的概念和模型等进行了简要的概述,又介绍了信息融合常用的一些方法,阐述了神经网络用于信息融合中的优势,并将其确定为论文后期主要研究的对象。其次综合使用了聚类分析法和主成分分析法对城市道路中无检测器信号控制交叉口各车道的交通流量进行了预测,针对当信号控制交叉口检测器数目众多时,首先应用聚类分析法将无检测器信号控制交叉口各车道与有检测器信号控制交叉口各车道进行聚类,然后再利用聚为一类的无检测器信号控制交叉口各车道与有检测器信号控制交叉口各车道之间的相关关系运用主成分分析法对无检测器信号控制交叉口的交通流量进行预测。该方法尽量减少了预测模型中的变量个数,保持了模型的稳定性；同时,这些变量又包含了类里全部变量的信息,从而提高了预测的精度。最后介绍了神经网络的基本概念和模型,以及信息融合模型的神经网络表示方法和基本原理,运用人工神经网络技术构造出一种信息融合方法,将其应用于交通控制系统中,并结合VB编制程序计算模拟数据,并通过神经网络训练和仿真,对所构造的方法进行了有效验证,结果表明该方法对于提高交通流量的检测是有效的。