现代生活中交通问题成为人们生活中不能回避的问题。对于大多数人来说,交通条件的好坏直接影响着他们的生活质量和幸福指数。在现代生活中,交通问题不仅困扰着生活在城市中的人们,甚至在一些城镇和乡村也出现了交通拥堵现象,交通系统正在面临着越来越大的挑战,解决交通拥堵问题已经迫在眉睫。智能交通作为改善交通的主要手段,在改善交通拥堵问题上起着至关重要的作用。道路交通的智能化和信息化是实现智能道路交通的重要环节,能够为实时、准确的交通流预测提供实际有效的信息来源,保证道路畅通。不确定性、随机性和时变性是交通流的三大特性,这些特性为交通流预测带来了极大的困难,因此,如何建立实时准确的短时交通流预测模型成为当前智能交通领域研究的热点和难点。本文以贵阳市某路段采集的交通流数据为基础,将交通流数据进行筛选,去除晚上九点到次日上午六点的数据,保证数据成为改善交通的有用数据。RBF神经网络和BP神经网络在交通流预测中都有很广泛的应用。在交通流预测中,为了更好的改善交通流的预测精度,本文使用了组合预测模型。采用了两种方法改进粒子群算法,通过改进粒子群算法优秀的全局搜索能力改善BP神经网络的搜索范围和RBF的收敛速度和精确度。将上述两种改进预测算法结合起来,形成组合预测算法。实验结果表明,基于改进粒子群算法优化BP神经网络和RBF神经网络的交通流预测不仅具有较好的预测能力,而且能够有效的应用到短时交通流预测中。