随着西安市机动车保有量的不断增长,城市路网交通压力陡增,路网规划不尽合理,交通管理、控制措施不科学,都导致道路交通系统运行效率低下,城市拥堵问题越发严重,出行环境进一步恶化,交通拥堵已成为制约西安市城市发展、紧急建设的重要因素。科学、合理的道路交通组织是保障路网通达的关键点,通过合理规划道路交通标志、标线,科学设置和调配交通信号灯相序相位,通过“时间+空间”双重优化可有效缓解道路拥堵问题,而这一切的先决条件就是能够对道路进行交通流量短时间预测,通过对车流量的预测,精细化设置交通设施、完善城市道路时空设计、科学规划道路交通组织,通过定向的需求管理,可有效缓解城市交通拥堵问题,并对于解放交警警力、提高交通效益、提高城市品位具有十分重要的意义。论文以西安市主干道短时交通流量预测为研究对象,在梳理了国内外交通流量研究现状和交通流量预测的原理、常用的算法的基础上,分析了西安市交通现状以及流量预测方面存在的问题。在此基础上,构建并实现基于SVM的短时交通流量预测模型,通过SVM(support vector machine)构建了短时交通流量预测模型,收集西安市主干道交通流量的历史数据,对所构建模型进行训练,并将训练好的模型进行仿真;构建并实现基于KNN的短时交通流量预测模型,研究对输入的流量、速度及占有率的预处理方法,分析西安市城市道路交通流的时间特性,针对具有动态性、周期性、相似性及时间相关性的交通流,对KNN算法的原理及算法流程进行分析与设计,得到适用于西安市主干道交通流的短时交通状态预测模型。并从预测效果上,对两种算法进行对比,得出SVM和KNN两种模型均能够达到西安市主干道短时交通预测的要求,并且有较高的预测精度,显示了SVM和KNN在短时交通预测的潜力。对于西安市主干道路段,可以采用这两种方法进行预测,从而采取必要的交通管理措施,优化道路交通组织,缓解道路拥堵问题。由预测效果和仿真性能指标可以看出,本文提出的基于SVM和KNN城市短时交通流量预测方法预测精度较高,可以达到西安市主干道短时交通流量预测的基本要求。可以预测,通过论文所设计的方法和模型进行西安市主干道短时交通流量预测可以为规划、交通、公安交管部门在城市道路规划、建设、交通管理方面提供重要决策和设计依据,具有重要的实施意义。