本文介绍了一个实际的交通流量采集系统，在采集数据的基础上检验了用神经网络进行短时的实时交通流量预测的可行性。 采集系统是建立在上海市原有的SCATS(SydneyCoordinatedAdaptiveTrafficSystem)系统之上，该系统收集的交通流量信息是不完备的和封闭的。通过分析系统的通信结构和原理，在SCATS系统中加入采集装置。在保证原系统可靠运行的基础上，成功地收集到所有检测器的流量和占空时间等交通信息。在时间和空间上提高了采集信息的精度，增强了原系统的开放性，为智能运输系统(ITS，IntelligentTransportationSystem)的应用提供实时的基础交通数据。 利用神经网络对不同时间跨度的城市交通流量预测进行研究仿真。通过收集到的实时数据，在利用道路网相关路段及历史数据的基础上，检验了人工神经网络进行实时流量预测的可行性。同时也对SCATS系统中的关键控制参数——饱和度进行了实时预测，验证了利用神经网络进行饱和度预测的可行性。 本文共分五章。第一章简要介绍了智能交通系统(ITS)的发展现状以及交通流量预测在ITS中的作用。第二章对车辆检测技术进行了回顾，并描述了本采集系统采集的数据内容。第三章重点阐明采集装置的原理和软硬件结构，同时对采集数据的正确性进行了检验和数据分析。第四章建立了用神经网络进行交通流量预测的模型，并用实测的数据检验了模型的有效性。最后，针对采集系统存在检测的不足，给出了改进建议，并讨论了行程时间的采集方法。提出了在路段上下游设置检测器，利用路段进口和出口的流量，通过建立数学模型进行流量预测的设想。