随着社会经济的发展和城市化进程的加快,机动车保有量剧增,城市交通拥堵现象日益严重,交通事故频发,同时也造成严重的环境污染。在此大背景下,智能交通系统(ITS)应运而生,它融合了先进的电子信息技术、数据通讯技术和控制技术等,构建了一种在大范围内、全方位发挥作用的智能交通控制与管理系统。它的核心子系统包括先进的交通信息服务子系统(ATIS)和先进的交通管理子系统(ATMS)。实时、准确的交通流预测作为交通参数预测的一部分,为这两大子系统的实现提供了重要的技术支撑。本文就以城市主干道为对象,研究短时交通流预测的方法,在前人研究的基础上做了部分改进,并取得较好的预测效果。论文通过对交通流时空演变特性的分析,提出一种基于时空特性的组合预测模型,一方面,根据当前交通流数据来动态调整其对未来预测的影响；另一方面,通过对历史交通流数据的时空特性分析,利用数据挖掘领域的相关知识寻求与当前交通流特性最为相似的历史曲线,并以其为基础来获得预测值的历史匹配值；然后,将二者获得的信息进行融合得到最终的预测结果。在上述研究基础之上,对非参数回归预测方法进行了研究和改进,提出利用动态时间弯曲距离法作为距离度量准则进行相似序列的查找,克服了时间序列在时间轴上伸缩引起的匹配问题。以厦门市莲花路口道路断面的交通流量为研究对象,对上述预测方法进行仿真验证。仿真结果表明,组合预测方法的预测最大绝对相对误差均在30%以下,平均绝对百分比误差均在9%以下,预测效果较好；改进的非参数回归方法其预测精度也较未改进前有了一定程度的提高。利用Visual Basic语言实现预测软件的设计,并将其实际应用于厦门市智能交通管控系统