城市道路交通拥堵已经成为人们日常出行的困扰,为有效解决交通拥堵,方便人们出行,提升城市幸福感,实时、准确的交通拥堵预测尤为重要。短时交通流预测和城市路网拥堵识别是拥堵预测的关键技术,它直接影响了预测效果,因此,开展短时交通流预测方法和路网拥堵识别方法的研究具有一定的理论和应用价值。由于城市路网中实际交通流变化的不稳定性和复杂性,因此如何建立快速准确的交通流预测模型,以及如何选择路网拥堵判别指标并建立交通拥堵测度模型是本文研究的重要内容。论文主要研究工作如下:1.针对交通流数据的非线性特性以及因受采集环境的干扰所产生的噪声影响,提出了一种基于小波的消噪方法以对原始交通流数据进行平滑处理。该方法的思想是采用小波多分辨率分析理论,基于Mallat算法对原始交通流数据进行分解,再利用小波阈值去噪原理对分解得到的各层系数选择阈值,最后用降噪后的小波系数重构原始数据,使数据与噪声有效分离,以达到将原始数据平滑去噪的目的。2.研究分析了现有短时交通流预测方法,在此基础上建立了基于BP神经网络的短时交通流预测模型。模型原理是基于Widrow-Hoff学习规则的正向传递工作信号反向传递误差信号的多层网络,用采集来的原始交通流数据对网络进行训练,使用神经网络算法建立数学模型,并用模型进行预测。用所建立的模型与卡尔曼滤波和GM(1,1)预测模型进行了实验对比,结果证明,BP神经网络预测模型的预测效果优于卡尔曼滤波和GM(1,1)预测模型,是一种有效的交通流预测模型。3.研究了城市路网交通拥堵测度指标体系及交通拥堵识别方法,在实验对比分析基础上,给出了一种基于“点”、“线”、“面”的城市路网交通拥堵综合测度模型,该模型可以对单条道路、十字路口、区域的TCI(交通拥堵指数)进行测定,以便识别道路拥堵状况。为达到对某区域是否拥堵的动态识别的目的,着重分析探讨了区域交通拥堵状况的判别方法。4.为能将交通拥堵预测结果进行可视化表示,对基于电子地图的可视化方法进行了研究,并利用已有交通信息监测点数据,使用百度地图API接口技术,采用JavaScript构建西安市二环内城市道路网络拓扑图,实现了区域自动显示功能。5.在本文研究成果的基础上,结合应用需求,采用MATLAB GUI设计实现了一个交通拥堵预测系统。该系统能够对短时交通流进行预测,同时能够对区域交通拥堵状态进行识别和预测。