在智能交通系统中往往将短时交通预测数据运用于交叉口信号配时优化、交通控制和交通诱导中。建立合理的短时交通流不确定性预测模型,提升交通流不确定性预测结果的准确性和有效性,对于交通控制决策和诱导具有重要意义。本文旨在将模糊理论引入交通流不确定性预测中,构建基于模糊理论的短时交通流不确定性预测模型,实现交通流区间预测。首先,本文对交通流预测及模糊预测理论的国内外发展现状做了深入分析研究。交通流预测分为均值预测和不确定性预测两种,相较于已颇成体系的均值预测方法,有关于不确定性预测的研究目前仍较为稀缺,主流方法包括Bootstrap、GARCH、SV方法。模糊预测理论中发展较为成熟的模糊时间序列方法仅能实现点预测,基于模糊理论实现不确定性预测的研究十分匮乏。因此,本文将模糊理论应用于短时交通流不确定性预测中,提供交通流不确定性预测研究的新思路。其次,本文以“模糊化”、“去模糊化”为核心思想,构建了基于模糊理论的短时交通流不确定性预测模型,主要分为六个步骤,具体包括:生成交通流量随机数组、确定随机数论域及区间长度、定义模糊集及其隶属函数、计算随机数隶属度值、确定上下限模糊集及其隶属函数、去模糊化输出测度区间;本文使用宽度流量比(R)和无效覆盖率(KP)两种性能评价指标对所提模型进行效果评价。最后,本文用实际交通数据验证方法的有效性。本文对实验进行设计,基于性能评价指标对所提模型预测结果进行分析,并与已有的SARIMA+GARCH模型预测结果进行对比。研究表明,通过该模型进行不确定性预测可获得宽度变化的预测区间,该区间无效覆盖率为零,即不存在实际值点落于区间外的情况。该现象并不是通过一味增大区间宽度而实现的,在确保无效覆盖率为零的前提下,所得区间宽度流量比值仍保持在较小水平。综上,通过本文所建立模型可实现交通流不确定性预测,且预测效果较好。