随着城市的发展,交通拥堵问题越来越严重,交通拥堵可导致车辆通行速度下降,并因此带来汽车尾气污染等问题,影响了人民的生活。路径诱导技术是提高道路的通行效率,避免交通拥堵的有效方法,同时也是智能交通领域中的一个重要组成部分。准确可靠的交通流信息是路径诱导系统中的关键数据和基础数据。本文在前人研究的基础上对智能交通领域的短时交通流预测和路径诱导两个方面进行分析和研究。本文的主要工作如下：1)设计了仿真实验,用于验证基于道路拓扑和权重的地图匹配算法的有效性,该实验模拟真实路况产生的流程,使用真实车辆的GPS数据,得到车辆通过道路的平均速度。2)设计并实现了基于线性回归的短时交通流预测算法,使用道路速度的历史数据,在算法的选择上,综合考虑线性回归,神经网络,支持向量机,选用更适合于工程环境实现的线性回归算法,设计线性回归模型的输入参数,使之能有效预测道路的短时速度。实现一个改进的拓扑排序的调度算法,减少算法在训练时的内存使用。设计实验,验证了算法预测的准确性。3)设计了基于动态交通信息的路径诱导算法,根据道路长度,实时速度和短时预测速度设计了一个动态的权重计算方法,使路径诱导算法能有效规避拥堵的道路。设计了仿真实验进行验证,表明算法具有一定的有效性。