随着社会的不断发展,汽车保有量飞速增加,道路拥堵等一系列交通问题变得越来越突出。这些突出的交通问题亟待解决,但方法效果都只是治标不治本。智能交通系统的出现能够很好的帮助解决道路交通系统内存在的一些问题。而道路交通流预测又是实现智能交通系统中最关键的技术。交通流预测就是利用历史交通流数据来提前预测未来一段时间内的交通流数据。准确且具有时效性的预测交通数据可以为道路使用者提供优化出行计划、降低相关成本的信息。根据道路上的交通流预测报告,有关管理部门可以采取有效的交通管理措施来疏解道路拥堵。短期交通流预测问题变得越来越热门,因此越来越多的交通流预测方法层出不穷。与城市道路相比,高速公路交通流更容易受到不利天气因素的影响,特别是多雨、多雪环境的影响。高速公路由于道路环境比较封闭,不受横向交叉口的影响,道路上车速较快,交通流比较稳定。但是封闭的高速公路运行环境却容易受到不利天气的影响,在雨雪天气下,高速道路路面湿滑,会严重影响车流的速度等,因此会对整段封闭的高速公路环境交通流造成很大的影响。然而,国内外对交通流预测模型的研究大多只关注特定环境下的交通数据本身,很少考虑在雨雪天气下雨雪天气因素对高速公路交通流的影响。因此,本文主要将雨雪天气因素的影响考虑到高速公路的交通流量变化中,不再单一的研究,而是将天气因素作为模型约束参数,构建雨雪天气因素影响下的高速公路短时交通流预测模型。通过美国公开数据集Pe MS和美国Meso West这两大网站分别获取本文实验所需的交通流数据、天气数据,获取到两种原始数据后进行补全、去噪、归一化等数据预处理,通过利用相关系数矩阵的方法,然后相关性分析出两者之间相关性最大的天气因素,接着将两种数据输入模型中进行不断的学习,将两种数据所独有的特征进行提取,接着考虑交通流数据会在不同的时间节点具有不同的规律,分别对工作日及非工作日进行预测。最终验证得出:本文提出的雨雪天气因素影响下的高速公路短时交通流的预测模型对比未考虑雨雪天气因素影响下的预测模型,其精确度更高,可行性更强。同时准确的交通流预测结果也可为交通管理者制定交通管控及诱导措施提供数据支持,也为政府及相关部门对道路合理的规划与管理提供了理论支撑。