短时交通流预测是道路交通控制系统、交通流诱导系统等领域需要解决的首要问题之一。研究短时交通流预测的理论和方法，从而实现比较准确地预测未来5分钟左右的道路交通流状况，对于缓解城市交通堵塞、避免社会资源浪费有着重要的意义和应用价值。 在智能交通系统的大背景下，如何利用丰富的交通检测数据，对未来的交通流状态，特别是对在城市中处于重要地位的快速路的交通状态进行预测，对于最大效率的利用快速路资源，减少出行者时间，减少快速路交通拥挤与交通事故有重要的理论意义和实用价值。 时间序列预测方法是预测领域最为成熟的方法。在连续不间断的数据情况下，时间序列方法有比较高的精度。本文基于快速路段上的实时、实测交通流数据，利用时间序列分析法，结合灰色系统理论，对城市快速路段单点的短时交通流预测算法进行了研究。具体包括以下工作: 利用快速路实测短时交通流数据，分析了传统时间序列建模法的不足，提出一种改进时间序列建模法。具体改进包括动态数据预处理,AR（p）模型用于短时交通流建模,实时最小二乘算法参数估计。该法提高时间序列建模的适应性，使传统时间序列模型能够用于短时交通流预测。 基于灰色系统理论及其预测建模方法，提出了滚动GM(1,1)灰色预测模型用于预测快速短时交通流，该方法较好的预测了短时交通流的相对变化趋势，以便于进一步的精度提高。 根据滚动GM(1,1)灰色预测模型的残差序列，采用AR模型残差预测，提出快速路短时交通流多层预测模型，仿真结果表明，预测结果精度较高，泛化（generalization）能力较强。