广州市“十二五”规划纲要提出，“十二五”期间的重大发展战略是要率先加快转型升级，建设低碳广州、智慧广州、幸福广州。不仅包括城市交通管理的信息化、智能化，还包括城市交通总体秩序的改善和市民自觉遵守交通规则等素质的提升，实现全面缓解城市道路交通拥堵的目标。广州市智能交通管理项目(Intelligent Transport Management System, ITMS)是以“指挥调度智能化”、“管理决策科学化”、“交通执法自动化”、“公众服务多元化”的目标。在智能交通系统的各个重要组成部分中，道路交通流状态的动态分析和预测是非常重要的部分。本文选题来自广州市智能交通管理系统。城市道路交通系统是一个时刻都在变化着的复杂系统，其运行行为极难预测，智能交通控制与诱导系统要取得较好的实验效果，必须处理好交通流短时预测问题。本文的研究重点是交通流短时预测，研究方向是如何对历史的交通数据和实时的交通数据进行有效的分析和预测。本文的研究目的是为道路交通管理系统提供强有力的技术支持，使得管理决策更加科学化。本文采用小波神经网络进行交通流量预测，分析得到的实验结果，并从中总结该预测模型优点，同时也提出了它的不足。对于容易陷入局部最小值的问题，本文利用粒子群算法对小波神经网络中的参数进行优化，然后再进行交通流量的预测。改进的预测模型解决了小波神经网络容易陷入局部最小值的问题。对于输入数据在训练好的模型产生较大的预测误差时，本文采用平均绝对百分比误差(MeanAbsolute Percentage Error, MAPE)动态反馈的机制来控制神经网络预测模型进行再训练。加入MAPE动态反馈后的预测模型在保证预测误差范围不会过大的同时也达到了实时性的要求。交通流预测结果可以应用到ITMS系统很多方面，本文也对预测结果的应用进行了介绍。