大量的交通流数据隐藏在城市交通信息中,这些数据潜在的蕴含了交通流现象和一些意想不到的规律,能全面、科学和反映各街道交通的实际情况,是实现科学化交通管理、制定科学化交通决策必不可少的依据,是十分宝贵和重要的信息资源,也是居民出行了解路况的主要参考依据之一。由于城市交通流信息中包含着大量可挖掘出的有效的交通数据信息,能为实际交通流量预测起关键性作用,所以采取何种方法去挖掘其隐含的有实际利用价值的信息是当今社会的重要研究热点。本文以南昌市东湖区历史真实数据的道路交通数据为依据,以相应交通流量预测算法研究为主旨,对获取到的东湖区实际交通流数据进行分析,然后在对相应预测算法的了解和认识,进行交通流量的预测探讨和研究。具体研究方案是,先清洗获取到的交通流数据,用程序统计出某个街道某一天的5分钟为单位的交通流量值,然后采用聚类算法中的K-means算法先对这些数据根据流量的值分为4类,然后再在各个类中,按照时间的大小来聚为2、3、3、2类,一共20个类,最后再针对各个类,利用最小乘支持向量机预测模型来进行各类时间段的流量预测。同时论文也进行了单独最小乘支持向量机预测模型来预测,然后将其结果和组合算法模型的结果相比较,得出组合算法的科学性有效性结论。