短时交通流预测是实现有效交通控制与管理的保障，一直是智能交通系统研究中的关键技术问题之一，而正确地认识和把握短时交通流所具有的特性及其动态演变规律，是制定合理预测策略的前提，但目前还缺乏将交通流动态特性与短时交通预测相结合的研究与应用。　　 迄今，已有多种方法模型与技术被开发应用于短时交通流的预测，单一的预测模型都有各自的优缺点和适用条件，因此综合考虑各单一预测模型的特点，将不同的单一预测模型通过合理的机制组合起来，可获得更好的预测效果。本论文认为：在利用组合模型进行短时交通流预测时，必须结合交通流的动态演变规律，根据实时交通流的时序特性，动态地确定组合模型中的各个权重。　　 为此，本文首先引入重现图和重现定量分析法，在介绍交通流时序重现量化分析流程和各具体参数设置的基础上，利用重现定量分析技术定量分析出不同时段和不同统计时间间隔交通流时序特性，并将其中的重现熵参数作为衡量交通流复杂性程度的评价指标。接着，结合交通流时序重现熵，通过“0-1组合”和“非线性组合”两种不同方式，将自回归求和滑动平均模型和人工神经网络模型组合起来，建立短时交通流量组合预测模型。最后，利用高速公路实测数据，比较和分析了在不同统计时间间隔下(5min、10min和15min)单一预测模型和组合预测模型的预测效果，证明了本文所提组合预测模型的合理性。