随着城市化进程的加快,汽车保有量持续增长,由此带来的交通堵塞、人身安全、资源浪费、环境污染等问题正成为制约各城市经济、文化快速发展的瓶颈,引起世界各个国家和地区的关注。智能交通系统,作为目前解决交通问题的一个行之有效的方法,得到了快速的发展,而在智能交通系统中,交通流预测是实现交通流实时诱导、控制,解决一系列交通问题的关键和基础。本文主要针对基于小波变换的交通流短时预测模型进行研究。本论文的主要研究内容及结论：1.对检测器采集的交通流数据进行数据预处理。根据交通流的运行机理,通过对时间序列进行扫描,运用最大阈值法和平均有效车长的方法辨识其中丢失、错误的数据；并采用线性插值法对检测到的异常进行修复,从而保证交通流数据的完整性。2.对传统基于小波变换的短时交通流预测模型进行改进。分析传统基于小波变换的交通流短时预测模型的预测原理,并阐述其在使用中存在的不足。从交通流数据处理的角度出发,通过对数据进行指数平滑来剔除其中给数据带来较大干扰的噪声,增加预测数据的准确性。3.通过学习、研究小波阈值去噪的原理,基于软阈值去噪方法提出一种改进的小波阈值去噪方法。通过在ω<|δ|区间内构造高阶的阈值函数,并调整ω=|δ|处的函数值,使η(ω)在ω整个变化范围内具有光滑、连续的曲线。从而完成平滑噪声系数与有用信号小波系数衔接部分的自然过渡,保证交通流预测信号的连续特性。4.运用北京二环路东直门桥北的实测交通流数据对改进的交通流短时预测模型进行实证分析,并分析小波去噪方法对交通流预测的影响。通过对传统预测结果与改进预测结果误差指标的对比分析,证明改进后的预测模型在进行交通流短时预测时能够取得更满意的效果；而阈值去噪方法对于提高交通流预测精度也是具有积极作用的。