随着经济的不断发展和日益加剧的城市化进程,汽车保有量逐年增加,现代城市交通面临越来越多的问题,如交通拥堵、交通污染和交通事故等。这些问题对人们的出行造成许多影响,降低人们出行效率,使城市道路面临越来越大的交通压力。自由式路网城市由于地形限制,交通现象尤为复杂,城市道路交通拥堵严重,拥堵疏散较为困难,为缓解自由式路网交通拥堵,对其交通流参数进行短时预测,并根据预测结果对交通拥堵状况进行判定识别,发出实时的交通拥堵预报信息非常重要。本论文以自由式路网交通流为研究对象,介绍交通流基本特征参数,分析交通流参数的采集技术及其适用范围,研究交通信息与处理方法。研究自由式路网交通拥堵的交通流特性和时空分布特征,对自由式路网交通拥堵原因进行深入分析。对自由式路网来说,交通流参数的相关度和城市道路断面之间的相对位置有关,距离较远,相关性比较低,同样距离近的道路断面由于某些道路交通控制措施(如单向交通或交叉口禁左等)相关性不一定强。据此,本文提出基于空间相关性的自由式路网交通参数短时预测模型。通过分析和比较单一预测方法的优缺点和适用范围,确定采用基于多维新息算法的ARIMA预测方法和RBF神经网络预测方法对自由式路网交通参数进行短时预测,并将这两种预测方法根据最优权分配进行组合,利用组合模型对交通参数进行短时预测,并通过算例验证本论文研究的组合模型对交通参数短时预测效果。根据路网交通流分布的时间和空间特性,本文将自由式路网交通拥堵状况分为四个等级,即畅通、较拥堵、拥堵、堵塞。分别从交叉口、路段两方面选定评价指标,形成指标体系。采用基于层次熵定权的模糊综合评判模型对预测得到的交通流参数进行评价,识别交通拥堵状况,进而发出交通拥堵实时预报信息。本文提出的交通拥堵预报方法可以及时预报交通拥堵的发生,对交通参与者交通出行路线的选择和交通管理者对交通拥堵疏散决策均有一定的参考价值。