基于位置数据的短时交通流预测是解决交通拥塞的重要途径之一，而进行基于位置数据的短时交通流预测面临着数据量大、计算量大的问题，同时短时交通流预测领域算法很多，软件开发人员往往针对单一算法进行软件开发，软件开发成本大，而软件可扩展性差。为了解决短时交通流领域的“大数据量，大计算量”问题和软件重用问题，本文提出了MapReduce模式下的短时交通流领域软件体系结构，主要成果包括：1.提出了MapReduce模式下的短时交通流预测算法框架。通过分析短时交通流预测算法的特征，框架针对短时交通流预测算法中的“时间序列算法”进行设计，使得框架能够适用于一组算法，而不是单一的算法。2.提出了短时交通流预测领域模型。针对短时交通流预测领域，进行领域分析，确定当前领域边界，提取当前领域的共性需求和变化性需求，进而建立领域模型的场景模型、角色模型、信息模型、特征模型、业务模型。3.设计了MapReduce模式下的短时交通流预测领域软件体系结构。在短时交通流预测领域模型的基础上，按照MapReduce模式下的短时交通流预测算法框架进行构件设计、子系统设计，最终完成领域软件体系结构的设计。本文使用MapReduce并行编程模型及其相关技术，在领域工程和软件体系结构的方法论的指导下，对短时交通流领域的MapReduce模式下的体系结构进行领域分析、建模和体系结构的设计，对短时交通流领域的软件研发，具有较强的指导意义。