本文主要研究了短时交通流量的预测方法，所用数据为杭州市市府岗路口的实时采集数据。首先说明了短时交通流量预测的重要意义，分析了短时交通流量的特点，以及目前存在的各种交通流量预测方法。本文首先介绍了AR、MA、ARMA模型，通过回归函数确定了AR、MA、ARMA模型阶数，并且通过仿真验证了AR、MA、ARMA模型预测的准确性。其次，介绍了时间序列的神经网络非线性模型，综合考虑交通流量在时间上的历史关联性和空间上的上游路段交通流量的影响，本文分别构建了预测模型和多点预测模型。在Matlab平台上分别对杭州市环城北路至莫干山路断面交通流量数据进行预测，用m语言编程仿真实现了基于BP、RBF、小波神经三种人工神经网络的交通流量预测模型。最后，研究了基于混沌系统和模糊神经网络的交通流量预测方法，很多国内外研究结果表明，交通流具有混沌特性。计算交通流时间序列混沌特征参数，通过利亚普诺夫检验说明时间序列具有混沌特定，通过互信息法计算时间序列的滞后时间，通过假近邻法计算嵌入维数，并且把嵌入维数作为模糊神经网络的输入层节点数，建立ANFIS网络来对短时交通流量进行预测。由MATLAB仿真效果图和仿真性能指标可以看出，本文提出的基于混沌和模糊神经网络的城市短时交通流量预测方法预测精度很高，可以达到交通流实时控制与诱导的基本要求。