短时交通流预测问题在城市交通控制和管理中起着十分重要的作用,随着时间跨度的缩短,交通流量的变化显示出越来越强的不确定性。较早期的预测方法,不能反映出短时交通流过程的不确定性与非线性,无法克服随机干扰因素对交通流量的影响。所以随着预测时间间隔的缩短,这些模型的预测精度就会变得很低。本文通过分析短时交通流量数据在时间序列上的特点,引入混沌理论的分析方法,从非线性时间序列预测的角度对交通流量预测进行了研究。用混沌理论来分析研究交通中存在的问题,有助于人们把握交通系统的规律性,为解决交通流问题开辟了新的途径。基于混沌的相空间重构技术能够较好地刻画短时交通流变化量中所包含的系统本身内在的随机性。对于混沌性的短时交通流,本文运用智能方法对其进行预测。本文将交通流系统相空间重构参数与神经网络预测方法相结合,进而选择神经网络的最佳输入模式。用隔离小生境技术优化遗传算法,再针对BP神经网络运行的特点,用隔离小生境遗传算法优化神经网络,进而选择神经网络的最佳隐层结构。通过构建合理的神经网络预测模型,给出了短时交通流量的预测方法。该神经网络进化建模方法设计简单通用,模型性能评价全面合理,全局搜索效率高。并用此模型,对城市道路路段短时交通流量进行预测,取得了较为满意的效果。