随着我国社会主义建设的不断推进,我国社会和城市经济建设也迅猛发展,各种交通工具得到更好的推广和普及应用,城市小轿车数量激增,给交通发展过程带来的问题也变多。如交通拥堵、空气污染、交通事故等。相关领域专家学者着手研究如何应对这些交通发展遇到的问题,于是智能交通系统(ITS)应运而生,并发展迅速。经过这几年的发展,智能交通系统在减轻道路通行压力、降低道路拥堵率、提高民众出行效率等方面交出了较为满意的答卷。要想在交通系统现有的发展情况上对系统实现智能化的管控,交通预测占有重要的地位。交通预测模型的准确度提高可以协助系统更好的分析交通实际情况,提出切实可行的交通优化控制策略。所以提高对实时交通的预测能力,是推动交通系统发展智能化的强动力。本文通过学习不同领域研究成果建立的交通预测模型,主要对多种神经网络的基本预测模型进行介绍,提出了改进的神经网络与智能群体算法相结合的预测模型,即基于粒子群改进小波神经网络和基于果蝇算法改进灰色神经网络预测模型。通过对我市现有交通路网的道路规划情况及各路段交通流量的通行增长情况采样调查,得到太原市道路交通流量真实数据同时对相应检测点的实际交通情况作出分析。实验部分选取有代表性的路段的交通量作为预测基础,结合各预测模型的理论通过两组实验分别对基本模型以及两种改进的模型进行预测分析,在以实现预测为首要目标的情况下比较得到的预测结果,总结出有实际针对性的结论,通过分析比较验证,推荐出符合山西省太原市现状的区域交通量预测的模式。最后利用MATLABR2014a仿真工具对山西省太原市城市道路交通流量进行预测,设计智能交通系统的管理系统界面,并对太原市的交通管理工作提出更好的建议。