当前城市交通拥堵问题已严重影响经济、安全、健康、环境、能源等多个方面。采用传统的智能交通技术解决该问题，存在准确性低，实时性差等不足。因此，本研究面向多源异类海量交通数据，提出了并行融合计算的研究方法，计算结果通过多种模式进行发布。具体研究内容主要分为三块:SCATS和GPS数据转化计算为交通状态指标数据，基于四叉树数据域划分的并行证据融合计算和融合结果的多模式发布。　　 SCATS采集的数据通过自举式粗糙集算法提取交通状态评估规则。新采集的数据可利用该规则，计算得到交通状态指标。整个计算过程中，粗糙集算法的计算每个属性重要性的复杂度较高。因此我们采用MPI方法对它进行算法为中心的并行化，从而提高计算效率。将GPS数据转化为交通状态指标时，首先需要进行地图匹配工作。当数据量增大时，该工作严重影响转化的效率。因此，可采用基于四叉树的区域划分方法，使用数据为中心的并行化实现GPS数据的地图匹配。　　 融合计算采用D-S证据理论将从SCATS和GPS转化得到的交通状态指标数据进行综合，得到最终的评估结果。融合计算的对象是路段，因此我们可采用四叉树划分算法，基于路段数将整个数据域划分为多个子域，构建多个融合计算任务，通过调度到CI资源实现并行计算。　　 融合计算结果为对路段的交通状态评估，通过桌面应用、网页服务和手机应用等多种模式进行实时发布。