获取有关交通流的实时信息是实现智能交通的重要步骤之一。在智能交通系统中,道路上的动态交通流预测是交通监控系统的基本组成部分。拥堵管理、车辆动态路线引导、公交管理、出行者信息系统、突发事件检测系统等都需要参考指定路段交通流状况。一种好的交通流量预测方法可以为交通控制提供真实可靠的数据信息。一般的交通流预测分为短期预测和长期预测,短期预测具有实时性,它很容易适应即时数据发生的改变,长期预测主要体现交通流在一个较长时段内的规律性,并不是所有状态改变都是永久的。本文基于已有的预测方法,提出一种短期、长期组合的预测方法,以交通流量预测为依托,利用从交通监控系统中得到的数据信息,在具体路段进行预测方法的验证。本文先利用双指数平滑进行短期预测,在双指数平滑预测中利用Levenberg-Marquardt算法优化平滑参数,以减小人工选择参数的误差；然后利用傅立叶级数对前期预测序列和实际观测序列之间的残差进行修正；最后基于马尔可夫状态转移模型在长期进行调整。本文将长、短期策略综合考虑提出一种组合的方法,对交通流数据进行预测并修正,使得预测结果既能很好的反映实时性,又能体现准确性和适应性。实例验证时,基于交通流数据具有随机性、自组织、类周期性等特征,在执行预测前对实际测量数据进行预处理去噪平滑。实验证明该模型既利用实时数据提供的当前方式变化特征信息,也能把握历史数据所提供的方式变化总体规律信息。模型验证对比结果表明,本文提出的模型有较高的预测精度。