智能交通系统(ITS)是在关键基础理论模型下,把先进的信息技术、数据通信技术、电子控制技术及计算机处理技术等有效地综合运用于地面交通管理体系,从而建立起一种大范围,全方位发挥作用,并且实时、准确、高效的交通运输管理系统。交通流诱导系统是智能交通系统的重要组成部分,交通参数预测是现代交通流诱导系统的研究方向之一,如何准确的预测交通参数是交通流诱导系统的关键问题。它为智能交通系统及其子系统提供实时、准确、可靠的交通信息,从而智能交通系统能够迅速准确地采取相应的措施处理交通拥堵,进而提高路网的效率。本文首先介绍了交通参数预测的意义,发展状况以及一些基本理论。主要介绍了交通参数预测的算法,包括三个部分:一是基于BP 神经网络模型的交通参数预测,二是基于RBF 网络的交通参数预测,最后介绍了基于数据融合的交通参数预测方法。论文包括七个部分。第一章绪论介绍了智能交通系统的发展和研究现状,分析了本文研究的必要性及可行性,明确了研究目的和意义,最后确定本文的具体研究内容。第二章介绍了交通参数短时预测研究的常规算法。第三章简述人工神经网络的发展,介绍其数学模型、网络结构和学习算法。第四章介绍BP 网络的基本原理,分析了常用的改进算法。运用BP 神经网络设计交通参数短时预测,并对几种改进的算法进行了比较分析。第五章介绍径向基函数神经网络的基本理论,运用RBF 网络设计交通参数短时预测的方法。第六章以数据融合技术为基础,设计交通参数预测的新方法,重点是权重系数的确定。第七章对全文进行总结。