随着城市经济、社会的不断发展,城市交通量的不断增大,交通问题变的日益严重,其中问题最为严重的当属交通拥堵。智能交通系统(ITS)是目前缓解城市交通压力、减少环境污染的一种有效、新型的方法。交通信号控制系统和交通流诱导系统是智能交通系统的两个重要组成部分,而实现交通信号控制和交通流诱导系统的关键问题是实时准确的短时交通流量预测,其预测精度直接关系到交通控制和交通诱导的运行效果。根据城市路况交通流量高度的非线性和不确定性等特点以及以往交通流量预测的方法,本文将回声状态网络用于短时交通流预测,并做了一些改进及优化,本文主要研究工作如下:(1)本文首先采用C-C法求得重构相空间的两个重要参数对交通流时间序列进行相空间重构,在此基础利用最小数量法求得Lyapunov指数,并通过该指数判断出交通流存在混沌特性,验证交通流具有短时可预测性。(2)根据回声状态网络算法的原理、方法,提出了回声状态网络储备池拓扑结构存在的一些缺陷,并在此基础上对其拓扑结构连接方式进行改进,减少储备池内神经元之间的耦合,丰富其动力学特性。最后用拓扑结构改进的回声状态网络进行预测实验,取得较好的效果。(3)利用遗传算法的全局搜索优化特点,将回声状态网络与遗传算法进行结合,避免了回声状态网络陷入局部最优解的可能,同时提升了对交通流预测的精度。