智能交通系统是在相对完善的道路设施基础上,将先进的电子技术、信息技术、传感器技术和系统工程技术集成运用于地面交通管理所建立的一种实时、准确、高效、大范围、全方位发挥作用的交通运输管理系统。它被公认为是解决交通拥挤、交通安全、环境污染、能源短缺等问题的有效途径。而准确、可靠的交通预测信息是城市交通控制系统等ITS子系统的基础和关键；路径优化又是城市交通诱导系统、车载导航系统的核心技术。本文在查阅大量文献和相关文档资料的基础上,对智能交通中的这两个关键问题做了深入的分析和研究,主要进行了以下几个方面的工作：1.分析了短时交通流量预测技术的研究现状,研究了常见的几种预测模型,并指出了各自所存在的优势和不足。鉴于组合预测已成为交通信息预测领域的发展趋势,本文建立了一种融合BP神经网络与ARIMA的非线性组合预测模型,在提高预测精度的同时,还保证了预测的稳定性。最后通过MATLAB与SPSS平台对实测交通流量数据进行了仿真分析,验证了该组合预测模型的可行性与实用性。2.在对路径优化的基础算法和各种启发式最短路径搜索算法进行总结与分析的基础上,指出了为出行人员提供备选路径的必要性。鉴于传统的次短路径搜索算法求解的始终是起点到终点的最短路径,搜索区域上一直没有什么变化,效率较低。本文提出了一种基于Dijkstra的改进多短路径求解算法,并结合郑州市某区域的交通网络图进行了实例仿真,仿真结果表明该算法具有其可行性与优越性。3.结合智能交通系统的重要子系统——车载导航系统,在讨论了系统的框架构成、各模块功能的基础上,分析了交通流量预测和路径优化在该系统中的应用与功能实现。