在我国,高速公路的快速发展在带来巨大经济与社会效益的同时,高速公路运行过程中存在着交通拥挤、交通安全和环境污染等问题也日渐突出,人们越来越迫切地期望获得高速、安全、舒适和高效的出行环境。因此,提高高速公路管理部门和其他决策部门的服务质量已成为大势所趋,这也为智能交通系统的推广及应用开辟一片广阔的空间。智能交通系统是由通讯系统将运输系统中的人、车、路三要素紧密地结合在一起,最大限度的发挥整个交通运输系统的运输和管理效率。正确的交通流预测,是智能交通系统的实时交通信号控制,交通分配、路径诱导、自动导航,事故检测等的前提。总结以往交通流预测的研究方法,可以分成基于传统统计理论的方法、基于神经网络的方法、基于非线性理论的方法和基于新兴技术的预测方法。本文以统计理论为基础,在数据挖掘分类方法的指导下,根据交通流数据自身的特点,提出一种变异的基于距离的分类方法。该方法认为数据间相似的一组数值即是一“类”,在预测阶段通过查找与新案例同“类”的记录来估计未知数值。本文首先根据交通流预测系统的开发目标,进行具体的系统设计需求分析。其次,以数据挖掘技术为指导思想,对交通流预测系统进行详细的软件设计。最后,对开发的交通流预测系统的实际性能进行评价。