由于城市交通基础设施改造升级和公共交通发展相对滞后,而机动车保有量上涨较快,使得我国城市道路交通拥堵日益加剧。智能交通系统(ITS,Intelligent Transportation System)是为提高交通基础设施运行效率、解决交通拥堵、避免交通事故以及改善与交通运输密切相关的能源和环境等问题而研究开发的新一代交通运输系统。城市道路交通流量的预测是智能交通系统的重要基础,能为个人出行服务、各个区域之间交通信号的联合控制、制定特定的出行计划、甚至城市道路建设规划管理分析等各个场景提供有效帮助。基于此,论文开展基于元胞自动机的交通流预测技术研究与实现,具有重要的学术意义和应用前景。论文主要研究工作如下:(1)通过进行大量调研,对交通流预测的理论和元胞自动机进行深入研究,通过查阅相关资料,分析不同天气情况下,交通流的不同特性,并对不同天气进行等级划分。同时,进行天气对交通流参数影响的研究,包括加速、减速、最小安全距离等。(2)针对交通流预测的技术发展需求,基于元胞自动机交通预测流模型和基于灰色理论交通流预测模型,分别对交通流进行预测研究。由于交通流受较多因素影响,单一的预测模型预测效果有限,本文将两种预测模型进行组合,以提高交通流预测的精度。(3)针对不同气象条件对交通流预测带来的包括对车辆状态、行驶速度、交通流密度等影响,本文提出一种基于气象条件的元胞自动机交通流预测模型,首先针对气象条件带来的影响,利用PSO优化算法对元胞自动机进行主要参数优化,然后将改进后的元胞自动机预测模型和灰色理论GM(1,1)预测模型进行组合,并通过验证发现组合后的模型预测效果更好,从而可以为用户提供更加精确的城市交通流预测。(4)针对交通流预测系统的功能需求进行分析,设计包括数据收集模块、数据通讯模块、数据管理与处理模块、数据发布模块和交通流统计和预测模块等5个功能模块在内的交通流预测原型系统,分析5个模块的功能,设计相关数据表,初步实现了交通流预测系统。本文主要围绕交通流预测进行研究,研究基于元胞自动机CA模型的交通流预测、基于GM(1,1)交通流预测、基于CA和GM(1,1)组合模型的交通流预测和基于气象条件改进的CA和GM(1,1)组合模型的交通流预测四个方面,并通过大量实验验证发现基于气象条件改进的CA和GM(1,1)组合模型预测效果更好,最后将模型应用于系统的设计和实现,为用户提供更加精确的城市交通流预测。