近年来,城市交通建设快速发展,智能交通技术受到越来越多的关注,被认为是解决城市交通问题的有力手段,其中交通流预测是实施交通智能化管理的关键,准确的流量预测是城市交通信号控制系统高效运行的基础,本文基于短时交通流预测,对交叉口优化配时进行研究。首先,介绍了城市道路交通流量特性,分析了各路段交通流量序列之间相关性,由于各检测路段之间的空间距离,各路段交通流量序列之间必然存在着一定的时间差异,通过计算各路段交通流量序列之间基于时间延迟的相关性,选择与预测路段交通流序列相关性较强的交通流序列作为预测模型的训练样本集,最后采用BP神经网络建立流量预测模型,并以实际路网数据进行实验分析,评估模型预测精度。然后,分析了现有的HCM配时法、TRRL配时法和ARRB配时法,以及交叉口控制方案的性能评价指标,提出了一种多目标优化配时模型,并通过无量纲化,分配随交叉口总流量比变化的加权系数选择出最优配时方案。为得到更好的配时方案,在原多目标蜻蜓优化算法中引入混合变异算子,并采用动态的外部档案维护策略进行改进,最后利用基准函数对改进后的算法进行测试,证明改进策略的有效性以及算法性能的提升。最后,建立交通仿真实验,基于准确的短时交通流预测,并采用改进的多目标蜻蜓算法对本文提出的多目标配时模型进行优化,通过分析在不同流量比下,车辆平均延误、平均停车次数和交叉口总通行能力三项指标的表现,并与Webster配时法进行对比,验证了本文提出的配时模型能够有效提升交叉口的运行效率。