交通流短时预测是城市交通智能化运营、管理和控制的关键技术之一。针对现有相关研究仅仅采用单变量进行交通状态预测以及对预测可靠性研究的不足，本文以实际采集的城市快速路、主干道及次干道断面交通流数据为基础，重点研究了城市道路交通状态多变量时间序列预测及可靠性分析方法。　　 在城市道路交通状态多变量时间序列方法研究方面，本文基于Johansen协整检验以及Granger因果检验，分析和验证了流量与速度两个变量之间的长期均衡关系，以此为基础，构建了交通状态多变量预测的向量误差修正VEC(3)模型，并对模型的预测性能进行了评估;在城市道路交通状态预测可靠性分析方法研究方面，为了捕捉和预测用于可靠性评估的时间序列异方差，本文分别构建了单变量自回归条件异方差GARCH(1，1)模型和多变量自回归条件异方差MGARCH(1，1)模型，并基于置信区间宽度(CI)、无效覆盖率（KP）等指标对单变量时间序列与多变量时间序列预测的可靠性进行了对比分析。　　 基于多变量时间序列模型的城市道路交通状态预测结果表明，多变量VEC(3)模型的总体预测性能优于单变量ARIMA(0，1，1)模型，尤其表现在速度预测方面。从局部时间段（如交通拥挤消散阶段）以及预测离散性的角度出发，VEC(3)模型具有更好的局部预测性能以及对交通状态的平滑功能。基于自回归条件异方差模型城市道路交通状态预测可靠性研究结果表明，自回归条件异方差模型能够显著提高传统单变量与多变量时间序列模型的预测可靠性，并且多变量自回归条件异方差模型的预测可靠性略优于单变量自回归条件异方差模型。