在日益繁忙的工作生活中,交通出行占据的重要地位已经日益凸显。减缓交通拥堵,提高路网的使用效率,尽最大可能减少交通事故的发生概率,已经成为各个国家共识。路网交通流预测算法的进一步研究及应用,已经作为解决上述一系列问题的一个有效处理方案,在智能交通系统(Intelligent Transport Systems,ITS)扮演着日益重要的角色。本论文基于BP神经网络建立了城市短时交通流预测模型,分别用遗传算法和思维进化算法进行了优化。不同于遗传算法,思维进化算法采用“群体寻优”取代了“个体寻优”,使用“趋同”和“异化”操作取代了遗传算法中的“交叉”和“变异”操作。思维进化算法优化的BP神经网络算法,首先产生初始种群,然后采用思维进化算法优化BP神经网络的权值和阈值。当训练结束后,评价训练结果,若不满足条件,再重新采用思维进化算法进行优化操作。本文分别分析了三种模型的构建原理,最后用实际交通数据对三种模型进行了仿真,将仿真结果进行比较。实验测试结果证实,当进行短时路网交通流预测研究时,采用基于思维进化算法来优化的BP神经网络时的算法,能够获得比较高精度的预测值。