科学高效的交通管理对于缓解交通拥堵、提高道路网络的通行能力和利用效率，进而保障城市的正常运转、促进经济的持续稳定健康发展具有重要意义。智能交通系统(ITS)是通过对关键交通、信息等基础理论模型的研究的基础上，综合运用IT技术、网络技术、电子与自动化技术、以及系统集成技术，改变传统交通运输系统的工作模式，建立起与传统交通系统相比，范围更大、实时性更强、准确性更高、效率大幅提升的综合交通运输管理系统。数据挖掘技术能够针对交通流数据海量、不完全性、夹杂噪声较多的特性，从随机的交通流数据中发现隐含的规律，是一个能够利用各种分析工具在海量交通流数据中发现模型的数据间潜在的关联，发现被那些忽略的因素。　　 本文在综合讨论了智能交通系统、数据挖掘、数据仓库研究现状的基础上，从城市智能交通系统中重要的数据处理、预测、交通拥堵预判和疏导、实时智能交通数据传输网络集成等环节进行了分析与研究。全文主要内容包括：　　 1、交通流数据清洗与缺失数据挖掘。首先，根据交通流数据清洗规则，对交通流数据进行清洗。数据清洗对于因采集设备的受干扰而造成的数据误差，通过去除负值并通过阈值检查和基于交通流理论的检查，还可以通过应用交通流理论中交通参数（速度、交通量和占有率）之间的关系，进行更复杂、更深入的数据筛选，从而确保交通流数据的有效性。其次，对于因检测设备干扰的数据损失或者囚无检测设备造成数据不足，通过交通流数据的挖掘完善。主要有两种方法，一种是对由于检测设备受干扰等因素造成的数据损失的恢复，另一种是则是对没有检测设备的道路交通流数据的预测挖掘。对于数据损失的恢复采用的是统计法则可以较好地解决，而对于因缺乏检测设备造成的数据不足，宜采用灰色模型预测法，对于城市交叉口实时交通流量预测可采用等维新息GM(1，1)模型进行滚动预测，如果需要预测较长时间段的交通流量，则可以采用等维灰数递补模型。　　 2、交通流预测算法研究。首先，运用组合神经网络模型，采用二层预测方法对路段交通流量进行了预测。该方法集成了相空间重构、改进型Elman神经网络和Karmarkar线性规划算法。研究表明，该方法的预测效果具有一定的成效，基本可以满足城市交通规划和城市交通控制的要求。其次，根据混沌理论，通过引入相空间重构思想，提出了一种集成了混沌理论和遗传算法，不需要建立严格的数学模型来求解最优参数，算法过程易于理解的一种预测方法。计算结果表明，预测效果与实际测量数据较接近，但不适用于较长周期的预测。第三，运用粗糙-模糊神经网络模型对交叉口进行了流量预测，该方法利用粗糙集理论不需要提供问题所需处理的数据集合之外的任何先验信息，这是其他处理不确定和不精确问题理论所不具备的能力，所以对问题的不确定性的描述或处理可以说是比较客观的。本文实例研究表明，该方法的预测效果令人满意，完全可以满足城市交通规划和城市交通控制的要求。　　 3、动态OD矩阵预测方法在拥堵及疏导策略上的应用研究。首先通过极大熵法进行OD矩阵估计，通过和动态交通分配互相依赖、互为因果的迭代，取得新的动态分配率和动态OD矩阵。预测交通高峰期的路段交通流量，通过第三章的成果R-FNN神经网络预测交叉口的流量，从而预测出完善的路网流量分布。同时分析正常及非正常拥堵的属性特征，及时更新路网的通行能力，将两者进行动态比较，从而预判出可能发生的拥堵。根据拥堵的属性特征，运用城市交通信息系统中的拥堵疏导决策系统得出的综合疏导方案，给交通控制中心的管理员以警力调配，诱导信息，信号灯的建议，从而减少甚至避免交通拥堵的出现。　　 4、基于实时数据库技术的城市交通监控通信网络的集成研究。智能交通系统对实时数据的要求越来越高，本文根据城市交通的特点，运用实时智能交通系统可将大量的实时交通控制过程和交通指令转变为智能交通系统的信息。一个城市的智能交通系统要发挥出巨大功效，必须使该智能交通系统高度集成，而实时数据库、城市交通监控通信网络的集成首当其冲。考虑到不同年代建设的交通设备的异步特性，并考虑了嵌入式Internet这一技术发展趋势，通过在监控节点的通信网络中加入这种能实现异种网络互联通信控制器，可以突现串行总线、CAN总线和以太网的互联，并实现了异种交通监控设施的系统集成。在城市交通监控信息传输网络中，利用通信控制器将各种不同厂商的交通监控设备连入到以太网，以太网和交通控制中心直接连接，解决了异种网络互操作性问题。同时，采用TCP/IP协议这种标准的数据访问方式，使得监控节点和交通控制中心能够通过广域网甚至互联网访问节点中的数据。城市交通监控通信网络的集成充分考虑了城市交通监控通信网络的数据传输可靠性、互操作性和实时性等特殊要求，该网络可以和城市智能交通系统的其他部分很方便地融合，最终达到整个城市智能交通系统的集成。