随着社会的发展,汽车制造业的完善,人民的生活水平提高,私家车的数量也越来越多,我国各大中小型城市的交通拥堵问题日益严重。不管是城市管理者还是出行者都希望找寻一套可行的方案解决此问题,智能交通系统就是解决交通拥堵问题最重要的手段。交通流参数的短时预测,是智能交通系统中交通控制与诱导模块的基础。随着现代科技技术的发展,车牌捕获与识别的准确度显著提升,基于车牌识别的交通流参数基础数据采集技术随之产生。基于车牌识别数据进行交通流参数的短时预测是将是一个新的选择。首先,本文通过分析我国各地区所面临的交通拥堵问题和现行的交通信息采集技术的优缺点,提出了用车牌识别数据进行交通流参数短时预测的方法,并通过分析其技术特点指出了其可行性。其次,介绍了车牌识别数据获取的过程。对获取的海量车牌识别数据,采用模糊匹配中的编辑距离算法进行了上下游车辆号牌的匹配。并对交通流参数短时预测基础数据仍存在的异常情况,基于交通流量的周相似性,采用历史数据进行补偿。对行程速度异常数据,采用变异系数法进行剔除。然后,对预处理完成后的数据引入了灰色预测模型。介绍了灰色预测模型的几个算子,并对灰色预测模型的建模步骤,做了详细阐述。并在对灰色预测模型背景值分析的基础上了,提出了一种基于背景值的改进方法。最后,选取成都绕城高速外环K66+850、K67+985两个监控点位的车牌识别数据,以5min为时间间隔进行交通流参数短时预测,并同实际检测数据进行了对比,证明了基于车牌识别数据进行交通流参数短时预测的准确性。