随着智能交通系统的快速发展,智能交通的实时、准确、高效的控制俨然已成为智能交通系统中的重要部分。交通流量预测作为智能交通系统的基础,可对交通诱导,道路拥堵预警以及最优路径的选择提供有效的参考数据。预测的精确性直接影响交通管理和控制的成效。同时,由于道路拥堵现象的存在,选择出合适的驾驶路径,节约驾驶时间也显得格外重要。目前,汽车导航越来越普及,但并不能为人类智能的选择出耗时最短的路径,因此,提供最优行驶路径对交通诱导意义重大。针对提高短时交通流量预测模型的精度以及准确性,本文首先对采集的原始交通流量进行预处理,完成原始交通流量数据归一化、简约、修正和补全后,在小波分析的基础上,把交通流量序列信号分解为低频序列信号和高频序列信号;接着依据卡尔曼滤波模型在处理平稳数据上的优势对原始交通流量的低频序列信号进行预测和RBF神经网络的高动态非线性映射性对高频序列信号进行预测,建立了一种变结构式组合交通流量预测模型,得出预测结果,并对预测误差进行分析;最后在预测结果以及车辆导航系统数据处理算法分析的基础上,运用Vissim交通控制软件赋值在模拟路网,采用Floyd算法选择出基于时间权重的路径,结合变结构式组合交通流量预测模型的预测算法,利用VS(Microsoft Visual Studio)实现软件功能的开发。