用混沌理论来分析研究交通中存在的问题,有助于人们把握交通系统的规律性,为解决交通流问题开辟了新的途径。交通系统中存在着混沌现象,在混沌产生之初检测出混沌,并对未来交通流发展状况进行预测,以便采取具体的管控措施是本研究的出发点。针对传统交通流混沌判别方法要求样本量大,无法满足实时交通控制要求的弊端,在借鉴人工神经网络混沌快速实时判别方法的基础上,提出基于最小二乘支持向量机混沌判别方法。就智能识别系统的组成、离线识别子系统中要用到的Lyapunov指数计算方法、在线识别子系统特征向量的提取进行了论述。通过对产生混沌的初始条件和混沌之间对应关系的分析,建立了以小波包分解得出的特征向量为输入,以0-1为输出的最小二乘支持向量机交通流混沌判别模型。仿真实验表明了该智能方法的可行性,即在取得少量的交通流时间序列样本的情况下可快速实时判断出混沌,为实时交通流混沌控制提供了依据。针对早期预测方法所存在的不能反映短时交通流过程的不确定性与非线性,无法克服随机干扰因素对交通流量影响这一问题,综合交通流系统相空间重构思想与神经网络混沌预测方法,提出基于最小二乘支持向量机的混沌预测方法。就相空间重构参数的选取、交通流混沌预测方法进行了研究。建立了以前k时刻经过重构之后的交通量时间序列为输入,以k+1时刻交通量为输出的最小二乘支持向量机在线预测模型。仿真试验表明用最小二乘支持向量机回归算法进行交通流混沌时间序列预测,能够取得较好的鲁棒性和泛化能力。对于高速公路混沌控制,在借鉴匝道控制中的ALINEA算法的基础上,提出用延迟反馈法对高速公路进行控制。对高速公路入口匝道控制方法、控制对象、控制原理等进行了论述。建立了以交通流密度延迟量与交通流密度的差值为输入,以入口匝道调节率为输出的延迟反馈模型。仿真试验表明用延迟反馈控制能够使交通流从混沌状态转化为有序状态,并且控制器形式简单,运算速度较快。