作为交通流基本图之一,速度―密度关系能为智能交通的交通流分析和高效的交通管理提供坚实的基础。由于现代出行方式的改变,城市车流密度随着车辆数量的急剧增加而随之增大,并且受信号灯等外界因素的影响,车速变化频繁,导致基于连续流的速度―密度模型不适用于描述和分析城市间断流数据。另外,基于信息熵理论,和单个参数相比,速度―密度模型包含更丰富的交通信息,但是不能实现交通流预测,并且已有的短时交通流预测都是针对单个参数。为此,在分析了大量的城市道路线圈数据基础之上,针对间断流的速度波动特征,提出了一种能准确描述间断流速度―密度关系的方法:把速度分割为满足正态分布的小数据集,取上下两个分位数,并得到所有小数据集的两个分位数集,拟合上下两个分位数集,使用得到的上下两条曲线描述速度取值的上确界和下确界。并根据已有的交通状态划分研究成果,把速度、密度、占有率值划分为对应的交通状态,以降低交通数据的突变特征。再结合速度、密度和占有率三参数,共(速度,密度)、(速度,占有率)、(密度,占有率)、(速度,密度,占有率)四种联合参数状态,作为马尔科夫链预测模型的状态集,对比分析四种联合参数状态和单一参数状态对各参数预测精确度的影响。通过对长期采集的外车道和内车道线圈数据进行拟合,得到了不同的上下确界模型,这也验证了外车道和内车道具有不同的交通流特征。使用联合参数预测短时交通状态时,(速度,密度,占有率)联合状态有最低的预测错误率,表现最好,两两参数结合的状态其次,单一的参数表现最差。实验结果表明,提出的速度-密度模型能很好的描述间断流特征,并且和单一参数状态相比,联合参数状态也具有更好的预测效果。