随着当下社会的发展与进步,传统的交通方法理论在实际应用中问题不断凸显。这时智能交通系统作为先进科学技术与交通理论的集大成者,在解决道路拥堵,保障出行安全以及降低环境污染等方面将会发挥出越来越强的作用。智能交通系统中精确而高效的交通流预测不仅有助于实现交通的实时控制,更有助于提供相关的一些应用板块主动进行交通诱导,为后面的出行提供保障。因而该方面的研究获得了大量相关研究人员的青睐,具有很重要的实际意义。论文通过对现有的短时交通流预测方法以及模型做出了基本的概括。结合短时交通流数据具有的随机性、非线性和时空关联这些复杂特性,同时为了满足得到的预测可以结合到实际应用中去。选择适合进行求解非线性问题、求解速度快且可移植性好的最小二乘支持向量机（LSSVM）来进行短时交通流量回归预测。对于LSSVM回归预测模型中参数的选择困难的问题,结合一种简单高效的鲸鱼优化算法（WOA）来实现参数的寻优,并且针对性的对WOA做出了改进得到一种优化后的算法（ABOA）。然后将二者结合构造出的交通流预测模型对处理过的高速公路交通流量数据进行预测研究,论文的主要研究内容如下:（1）本文通过采集云南省汕昆高速K2077断面上的交通流量数据,选取了2018年5月7号到5月11号这五个工作日的流量进行实验。首先考虑到道路上获取到的交通流数据易受到噪声数据、缺损数据的干扰,从而影响预测的精度,通过对数据进行修复处理;最后通过小波阈值降噪方法得到有效的交通流数据,为保证短时交通流预测的精确性提供了基础。（2）对于WOA前期收敛速度不够快,而在迭代后期寻优时的易陷入局部最优解的这些不足之处。提出引进自适应权重和天牛须搜索（BAS）的方式来改进WOA得到一种改进的鲸鱼优化算法-ABOA。改进后的算法通过将原WOA算法中的搜索捕食策略使用天牛须搜索策略代替,加快前期的搜索能力和提升搜索精度;同时在包围捕食和气泡网攻击中引入了自适应权重增强后期的局部搜索能力,通过使用三类18个不同的标准测试函数用例来进行仿真证明改进策略的有效性。（3）论文结合LSSVM训练速度快,全局性强且精度高的优点。选取其作为短时交通流预测的基本模型。同时,为了进一步达到预测精度提升的目的,合适选定模型中的的惩罚参数和核函数参数的值。利用提出的ABOA算法寻找LSSVM的最优参数,来构造ABOA-LSSVM的短时交通流预测模型。将优化处理后的交通流数据分为测试组和训练组进行实验,将模型训练后的预测得出的预测值和实际值的进行对比作出性能判定。通过对ABOA-LSSVM、WOA-LSSVM、PSO-LSSVM、LSSVM、BPNN（BP神经网络）这几种不同模型的预测结果的评价指标的对比。表明使用ABOA优化LSSVM后的模型预测精度更高,证明了论文提出的ABOA-LSSVM模型在短时交通流预测中是有效的。