本论文所依托的科研项目为:国家高技术研究发展计划(863计划)项目《新一代智能化交通控制系统关键技术研发》(2006AA11Z228)子项目“交通控制相关状态获取技术”。城市交通拥挤和堵塞现象严重影响到整个城市的可持续性发展和人们的日常出行,ITS已成为解决现代交通问题的有效途径。交通参数预测是ITS研究领域的一项重要内容,可以为ITS的核心子系统ATIS和ATMS提供实时、准确、可靠的与道路交通运行状态有关的交通参数预测信息,使其及时、快速、准确地了解路网交通状态的变化,采取对策,疏导交通、减少拥挤,以实现交通资源的社会效益与经济效益最大化。为了满足ITS对交通参数预测信息的需求,推进ITS的研发与应用进程,本文对城市道路交通参数短时多步预测方法进行了深入的研究。本文首先建立了交通参数短时多步预测系统的结构框架,通过对系统中各功能模块中关键技术的分析确定了论文的研究重点。对不同时间尺度下短时交通流的混沌特性进行了分析,并运用混沌理论设计了交通参数的可预测性分析方法。以自适应指数平滑方法、RBF神经网络和卡尔曼滤波理论为基础,结合历史数据建立了交通参数多步预测模型,并根据交通流的时变性,以数据融合思想为基础建立了交通参数的多模型融合预测算法。最后,本文以模拟数据为基础,分析了不同时间尺度下交通参数的可预测性,对各交通参数短时多步预测方法的有效性进行验证,并对各方法的预测精度进行了比较和评价。