随着经济的发展，城市规模在不断扩大；城市人口的增多，用地强度的加大，汽车产业的飞速发展，使得城市交通系统承受着严峻的考验。多年来，许多学从事城市交通拥挤问题研究的工作者，提出了许多改善城市交通拥挤问题的方法和建议，并且取得了良好的效果。但随着城市规模的继续增大，传统的“按需增供”和局部区域的改善方法已不能完全适应当前交通拥挤问题。近几年的实践证明，交通设施的供给速度远远跟不上交通需求的增长速度，“头痛医头，脚痛医脚”的交通改善方法也不能彻底或长时间解决拥挤问题。如何让城市交通有一个可持续发展的方案，需要去寻找其更深层次的原因。交通拥挤问题直接原因之一是城市的交通需求量过大，超过了城市的交通系统的容纳能力。而土地利用是交通需求的根源，因此需要从土地利用的角度去寻找交通需求量过大的深层次原因。论文在总结交通与土地利用的关系和现有交通需求预测方法的基础上建立了基于土地利用的交通需求预测神经网络模型，通过神经网络对非线性复杂问题的处理能力寻找不同城市、不同区域的土地利用与居民出行需求的关系。城市交通需求过大的另一层面体现在交通需求分布的不均匀。局部区域的交通需求量过大，导致了整个城市交通网络的拥挤。混合用地的目的是均衡城市交通需求的分布，减少跨区域出行。论文从区间居民出行量最小化的角度提出城市用地结构的优化模型，运用土地利用对交通的影响反向优化城市的用地结构，以期达到城市交通需求分布均匀的目的。两类模型研究内容都是交通与土地的关系模型，希望能为从土地利用的深层次上解决城市交通拥挤问题提供一种方法，促进城市交通的可持续发展。