城市交通诱导系统是缓解交通拥堵的重要方法,交通诱导系统的实现基础是对交通流数据进行有效地处理。其中包括交通流的短时预测、交通拥堵状况的判断以及个性化的诱导服务等。交通流的短时预测可以为交通拥堵状况的时空判断提供时间尺度上的延伸信息,而交通拥堵状况的时空判断为个性化行驶路线的获取提供时空分布的动态交通信息。针对在交通流短时预测过程中出现的实时性和准确性往往不可兼顾的问题,提出了一种结合周相似特性的短时交通流的分形预测方法。传统的分形预测模型预测交通流时在突变点的预测精度太低。为了弥补误差,将周相似特性引入分形预测模型中,并根据时间序列之间的周相似性求解配置参数。通过这种方法,在解决实时性的同时,还取得较好的预测精度。此外,对该方法的最大预测步长进行了探讨。针对现有判断交通拥堵的缺陷,提出了一种基于Parzen窗的交通拥堵状况判断方法,用于对路网中的实时路况进行判断。通过历史数据的挖掘提取交通状态中心特征向量,对实际获取数据进行Parzen窗的概率求解,从而获取拥堵状态。同时,对路网中的各路口进行相似性比较,生成区域,获取结合空间尺度的拥堵状况。结合预测,获取时间尺度上的拥堵状况,从而更好的为交通管理部门和规划部门服务。鉴于个性化服务中出行需求的多样性,尤其对变目标情况下的最优追求,给个性化路线的获取造成了一定的难度。针对此问题,以地理信息、预测数据和交通拥堵状况信息为权重,建立路况最优的模型以及各目标相互组合的模型。针对路线获取耗时过长,采用改进的启发式的遗传算法,将其用于变目标的个性化路线获取。最后,在浙江省重大科技专项“城市智能交通诱导系统的关键技术研究与应用”的研究过程中,运用上述理论方法予以实践,并开发了交通流信息诱导服务平台,该平台包括三个子系统——交通流短时预测系统、交通拥堵状况评判系统和变目标的个性化行驶路线获取系统。通过系统的实际运作,证明了所提出的理论和算法的可行性和准确性。