随着城市交通的不断发展,智能交通技术不断革新,城市交通问题的解决也迫在眉睫。城市交通诱导已成为解决大中城市的交通问题有效策略,在城市诱导中,需要对交通信息进行有效、实时预测,从而交通管理者能够根据交通信息分析下一时刻交通运行状况,进而提出有效的诱导方案。因此,交通参数预测在交通管理中的作用已不容忽视。本文针对交通问题现状,首先对数据采样间隔及西宁数据分析,找出合适的采样间隔及预测时间间隔;提出了基于灰色关联度分析的Kalman滤波算法进行交通参数预测,基于历史数据进行预测,结果拟合较好;考虑到城市中部分路网检测器尚未覆盖,或检测器损坏等问题,采用相关性分析的方法,针对无检测器路段历史数据获取困难的情况进行分析解决。本文从实际角度出发,采用大量交通数据进行实例分析、并对所提方法进行验证。验证结果表明本文方法能够有效的解决实际交通参数预测的问题,并且能够为交通诱导提供有效的数据支撑。