近年来，随着我国高速公路建设的快速发展，高速公路的运营管理面临更高的要求和挑战。本文通过研究高速公路短时段交通预测的重要问题，为高速公路的路况分析、事件检测及预测、预防交通拥堵提供数据挖掘服务，为设计高速公路交通流控制系统、制定合理的监控策略提供数据基础。论文结合我国高速公路现状，从短时交通预测方法、交通流参数预测、行程时间预测三个方面进行了研究。 1．短时交通预测方法概述。根据国内外短时交通预测研究现状，结合预测学研究，将目前已提出的用于短时交通预测的各种预测方法分为三类：基于数学模型的预测方法、基于非数学模型的预测方法、复合预测方法。在对各类方法深入分析的基础上，结合江苏省高速公路的运营状况，本文选择了几种方法进行改进研究。 2．预测方法研究。针对时间序列的离线预测、建模过程复杂等缺点，在数据预处理上引入零均值化及差分法以便获得稳定数据进行计算，在模型参数辨识方面引入带遗忘因子的最小二乘递推算法，实现了在线预测的功能；针埘交通流的特性建立了基于卡尔曼滤波的交通预测模型，并针对模型初值难以确定的限制，引入基于统计方法的模型初值确定方法；分别介绍了BP神经网络和RBF神经网络，针埘BP网络收敛速度慢以及目标函数存在局部极小问题，介绍了可变学习率、动量法、L-M法等改进训练算法，比较了两种网络的特点，提出RBF在短时交通预测领域的良好应用前景。 3．交通流参数预测研究。对短时段交通流参数的可预测性进行分析研究，针对我国高速公路交通数据来源，提出了基于时间序列改进方法、卡尔曼滤波方法、BP神经网络方法、RBF神经网络方法的预测模型，并利用检测数据进行仿真预测，对各种方法进行了深入分析，确定各种方法的预测性能。 4．行程时间预测。对行程时间的基本概念进行了解释，并在没有行程时间数据的情况下，推导了利用其他交通流参数进行估算的方法，得出了高速公路路段连续交通流及间断交通流的行程时间函数，以及路线行程时间函数。结合车辆探测数据和环形线圈检测数据利用卡尔曼滤波方法，设计了高速公路路段行程时间预测模型。从高速公路路网角度提出路网行程时间预测方法，结合时间空间两重坐标提出行程时间域穿行法，并利用仿真实例说明方法的优势。 本论文的研究依托江苏省交通科学研究计划项目：高速公路联网监控的监控信息平台、监控策略与接口技术研究。