随着道路基础设施建设速度满足不了机动车增长速度的矛盾日益突出，交通信息化建设成为缓解该矛盾的关键。交通流量是实现交通信息化的基础，实时、准确的短时交通流预测信息对实现交通组织、控制、诱导具有重要意义。文章以提高短时交通流量预测效率及精确度为目标，结合控制思想、自组织思想构建了一个新的组合预测模型并将其用于实际工程应用中。基本思想是:在神经网络预测模型的基础上引入近似动态规划(ADP)思想，根据控制思想动态自适应获取神经网络权值变量，加快神经网络的收敛速度;采用改进的自组织映射(SOM)网络对历史交通流数据聚类分析，建立相似数据数据库，与控制预测模型结合组成组合预测模型，提高模型预测精度;通过对实际交通流采样数据预测分析并将文章提出的预测模型应用于实际工程项目中，验证文章提出的预测模型在实际应用中的可行性和可靠性。　　 文章的主要工作和研究成果主要体现在以下几个方面:　　 1.提出了一种控制预测模型，模型在神经网络预测模型的基础上，采用近似动态规划方法确定了神经网络的权值选取算法，根据误差函数建立系统性能指标，采用内部评价机制来评价神经网络权值选取的好坏，通过内部学习、训练、调整，产生近似最优控制变量，作为神经网络的权值变量。　　 2.提出了一种改进的自组织映射(SOM)网络算法，在传统的SOM网络基础上，引入批量训练因子，使SOM的权值更新模式由传统的单一数据影响变成了累加数据影响，减少了训练数据输入顺序对聚类分析结果的影响，提高了模型的鲁棒性。　　 3.提出了一种基于SOM-ADP的组合预测模型，模型利用SOM网络能够自组织映射、无监督学习等优点，对历史数据进行聚类分析，将分析结果持久化处理，选择与当前时刻模式相同的历史数据作为训练数据;预测模型采用文章建立的控制预测模型。通过实际交通流数据验证了该组合模型在提高预测效率和预测精度上的有效性。　　 4.将理论模型转化为实际应用系统，根据XX市智能交通应用系统的实际需要，理论结合实际，将文章建立的预测模型封装到《机动车立体防控系统》中的交通流预测子模块中，在实际工程应用中验证文章所提模型的可行性。