随着我国经济建设不断发展和城市化进程不断加快,交通拥堵造成的经济损失使人们认识到准确预测交通流量,合理分配现有道路资源的重要性。近年来我国各大城市也已着手构建智能交通系统。而要实现智能交通系统,交通流的准确预测是关键问题之一。世界各国的专家学者都在致力开发各种预测模型用于短时交通流预测,因此进行实时准确的交通流预测研究具有非常重要的现实意义。本文在研究混沌理论的基础上,研究了短时交通流的混沌特性和识别方法,在此基础上进行了相空间重构,运用C-C法确定了时间延迟τ和嵌入维数m,为后续研究建立了数据关系。采用小数据量法进行了实验仿真,通过实测数据验证了短时交通流的混沌存在性和可预测性。本文在研究小波神经网络(WNN)的基础上,建立了基于相空间的小波神经网络交通流预测模型(相空间WNN模型),通过对实测数据进行实验仿真,研究了节假日和工作日两种不同状态下的交通流预测情况。并将时间序列WNN、相空间BPNN、相空间WNN三者进行研究比较,得出基于相空间WNN模型具有相对较好的预测性能。由于交通流本身具有高度的复杂性和非线性,而近年来一些发展的进化计算类算法广泛应用于复杂预测领域。本文对基本差分算法进行改进,给出一种双自适应差分进化算法(BSDE),并采用标准函数进行测试。将BSDE和WNN相结合,建立基于BSDE-WNN的交通流预测模型,并与相空间WNN模型、相空间DE-WNN模型、相空间SaDE-WNN模型进行比较,验证了其具有相对优秀的预测性能,为短时交通流预测提供了一种新的方法和思路。