交通是城市最重要的基础产业之一,因此道路交通安全是影响城市发展与扩张的重要环节。但是目前的城市扩张模式多采取修建更多的基础设施来解决交通拥堵的问题,而研究表明,这并不是解决城市交通拥堵的根本性措施。采用先进的交通管理措施是解决交通拥堵问题的根本措施,大数据技术的出现为解决交通拥堵问题提供了可靠的保证,但是目前实际应用中,各种检测设备之间的数据格式各不相同,因此导致了各个软件之间的交互性特别差,这间接导致难以对交通大数据进行挖掘,不便于进一步的利用。针对以上问题,本文对目前交通流数据融合研究现状进行了分析,总结了既有的研究在该领域中应用的优势和症结所在,明确了研究和使用交通大数据技术是解决交通安全与拥堵问题的根本途径;并提出一种交通流数据的过滤与补偿方法,根据实际的检测器采集的数据对方法的适用性进行了验证,结果表明,方法具有较好的鲁棒性;根据GA-BP神经网络模型和二元回归模型的数据融合方法,各自设计了3个模型,分别按不同时段高峰期与平峰期,各自对模型进行训练和有效性判断,均取得了较好的结果。通过交通流数据的融合,进而获得更加准确的速度信息,可为实际状况下交通数据的缺失提供科学的补偿方法,同时为出行者提供精确的交通诱导信息,进一步为制定交通措施提供了支持。