本论文所依托的科研项目为国家自然科学基金资助项目《城市交通若干问题研究》(10671045)和贵阳市科技局基金资助项目《贵阳市城市道路交通数据库建设和网络模型研究》。在智能交通系统的实际应用中,经常发现智能交通系统应用不够理想,究其原因,是因为交通流状态模型与常用的分析算法模型不完全匹配,不能准确的对交通状态进行预测。为此,本文提出了一种改进的Jordan神经网络模型,使其与交通流状态模型相匹配,并且设计了相应的交通状态分析模型和进行了实验结果分析。在实际应用过程中,Jordan神经网络训练学习需要大量时间,分析其原因,是由于在进行权值计算时,计算复杂性比较高。为此,本文提出了提取绝对值最大权的训练学习算法,使其计算复杂性大大降低,并且给出了实验结果证明。本文对城市道路交通的功能需求进行了深入的分析,并且进行了整体架构设计,建立了动态交通数据库,实现表、表项、表数据的动态变化和修改,搭建可变的数据后台。