交通流系统是一个有人参与的、时变的、开放的复杂巨系统,具有高度的非线性和不确定性,在一定条件下会出现混沌现象。通过对交通流混沌研究现状的综述,可以看出研究交通流混沌有很深的理论和实用价值。通过对混沌判定方法的综述,了解了目前各种判定方法的局限性,确定了研究交通流混沌实时快速判定的思路和角度。本文主要给出了两种交通流混沌实时判定的方法。第一种是把改进型小数据量法和改进型替代数据法结合起来,既利用了小数据量法计算简单、抗噪性好、所需数据量少等优点,又利用了替代数据法的严密性避免误判。对原有的小数据量法和替代数据法都进行了改进,首次给出了它们综合应用的详细计算步骤,并用Bierley跟驰模型产生的交通流、交通流微观仿真软件产生的交通流、实测交通流的时间序列对此方法进行了分析和验证。第二种方法是利用“寻找混沌与初始条件之间的对应关系”这一思路,基于数据挖掘的理念和方法提出了一种交通流混沌实时判定的智能系统的结构体系。介绍了该系统每个功能模块的作用和实现方法,给出了相应算法的原理和步骤,论证或说明了一些方法选取的原因,并对Logistic系统、交通流微观仿真软件产生的交通流、实测交通流时间序列进行了分析和验证。通过不同的实验,讨论了在其它实验条件和步骤不变的情况下,不同的时间序列特征量(功率谱、小波包系数、小波包能量)、不同点数的时间序列、不同层数的小波包分解、不同的小波函数、不同的知识发现算法(BP神经网络和一种支持向量机的快速分类法)等对此智能判定系统的判定结果的影响,从结果中分析得出了各影响因素的选用及原因。通过以上实验结果,说明它们可以很好地满足混沌实时判定的实时性、准确性的要求,并具有较强的鲁棒性。