随着我国大城市道路基础设施建设的逐步完善,对城市交通系统的管理需求正逐步从被动式监控管理过渡到主动式管理。作为智能交通系统(ITS)的关键技术之一,短时交通流预测可以为主动式交通系统的管理提供及时、准确、可靠的交通信息服务。本论文利用实际的交通流数据,通过对短时交通流预测因素的分析,提出本论文的研究假设,围绕这一研究假设建立一个短时交通流预测建模框架,该预测框架把短时交通流均值预测和区间预测联系在一起,然后分别针对短时交通流均值预测和区间预测方法展开研究。论文的主要研究内容,可以分为以下几个方面:首先,从短时交通流预测因素、短时交通流均值预测方法和区间预测方法三个方面,对国内外文献进行分析,总结当前短时交通流预测研究的现状和存在的不足。其次,利用实际的交通流数据,从交通流的时间汇集度、流率水平和互相关性三个方面对短时交通流预测因素展开分析,重点探讨同一道路断面上车道与车道、车道与断面交通流变化的特征和互相关性。第三,根据国内外文献分析和短时交通流预测因素分析,提出本论文的研究假设,并围绕该研究假设建立一个短时交通流预测框架,该预测框架包含了交通流均值预测和区间预测。针对短时交通流均值预测,在利用交通流状态的相似性来重构历史交通流数据的基础上,应用多种预测方法建立组合预测模型,即对多种预测方法的预测结果进行线性加权组合。第四,针对短时交通流区间预测,提出三种不同的区间预测方法,分别为基于K近邻非参数、基于模糊信息粒化和基于GARCH模型的区间预测方法。其中,基于K近邻非参数的预测方法是利用选择的K个近邻值估计交通流均值的置信区间,而基于模糊信息粒化的区间预测是把交通流区间预测转换为交通流均值预测来处理,基于GARCH模型的预测方法则是针对交通流均值预测的误差序列进行建模。最后,利用实际的交通流数据,验证论文所提出的短时交通流均值预测和区间预测方法的有效性,并依次分析影响组合预测建模的关键因素,以及不同区间预测方法的特点,从而为短时交通流预测的实施提供理论基础和技术指导。