在智能交通领域中,城市交通流预测与交通状态识别是非常重要的研究热点,通过正确预测交通流及合理判断交通状态可以提供实时的城市道路通行状况评估。本文选题来自克拉玛依市交警支队交通大数据项目,研究的主要目的是为交通大数据平台提供技术支持,主要工作包括以下几个方面:(1)通过数据获取技术获取城市卡口过车数据,根据已有研究选择交通流参数并进行计算,然后对错误数据进行识别及处理,对缺失数据进行修复。保证了交通流数据的完整性与正确性,有效提高数据的实际应用效果。(2)针对短时交通流预测的特点,研究了BP神经网络和小波神经网络的基本原理和算法流程。根据已有研究,提出采用小波神经网络预测模型,然后采用真实的城市道路交通流量数据做仿真对比试验,实验结果表明,与BP神经网络预测模型相比,小波神经网络模型的预测结果更优。(3)针对交通状态的模糊性和不确定性特点,研究并分析了FCM算法及其流程,然后开展了交通状态识别实例实验,通过对实验结果分析,验证了FCM算法在交通状态识别方面应用的合理性。基于SSM框架设计并实现了交通流预测与状态识别子模块,并整合到克拉玛依市交通大数据平台中,实现了数据管理、参数计算、交通流量预测和状态识别等功能。