对短时交通流预测理论技术及其实践应用的研究,对缓解日益突出的交通问题,提高城市交通系统的运行效率,完善城市智能交通系统,建设城市虚拟交通系统具有重要意义。本文依次从理论技术、预测模型、实验测试、实践应用深入研究了短时交通流预测问题。首先,本文探究了交通数据收集、交通流预测原理、缺失数据补全、异常数据处理等技术,尤其是针对交通流时间序列中的异常变化,提出了基于改进正态分布的异常数据矫正技术,为预测模型研究提供技术铺垫。其次,探索了现有研究中常用的交通流预测模型的数学原理。通过改进周期趋势分解和奇异谱分析这两种时间序列分解技术,将交通流量时间序列分解为趋势、周期、残差三个成分,分析交通流的潜在变化特征。在此基础上,提出了组合时间序列分解的交通流预测模型,以提高预测模型的精确度和多步预测的稳定性。通过美国明尼苏达州州际高速公路交通流量数据进行实验测试,从不同监测站的预测结果、多步预测的稳定性、模型运算时间三个方面展开了详细的讨论与分析,总结出了各测试模型的优势与不足。最后,依托于城市虚拟交通系统仿真平台,设计并开发了交通流预测模块的应用程序。利用重庆市车辆监测站交通数据,完成了重庆市路网交通流量预测实例分析,实现了交通流预测技术理论在实践应用中落地。