近半个世纪以来，交通拥挤、道路阻塞和交通事故频繁发生，这些问题正越来越严重地困扰着世界各国的大城市。为了提高运输网络的使用效率，解决交通拥挤和交通安全问题，世界各国纷纷开展了智能交通系统的研究工作。智能交通系统(ITS)是在关键基础理论模型研究的前提下，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的综合运用于交通管理体系，从而建立起一种大范围、全方位发挥作用，并实时、准确、高效运作的交通运输管理系统，在此基础上，充分利用现有的交通资源。 智能交通系统由多个部分组成，其中交通管理系统负责交通信息的采集，以及根据采集到的信息，对道路交通进行管理、控制。在交通管理系统中，交通流疏导占有者重要的地位。而如何获取及时、准确的当前和未来交通信息,对于交通流的疏导工作意义重大。 近年来，国内外在交通信息的预测方面，进行了大量的研究，本文在前人研究的基础上，利用交通流数据的时间特性、地理特性，以及交通仿真原理，综合遗传算法和神经网络构建预测模型，对短时交通流量数据信息进行预测。对比交通流各种特性对于预测模型的影响，同时，针对多输入、多数出的预测模型的构建方法，提出了自己的改进思想。最后，参考已有的交通模型，针对道路信号的等待车队问题，提出了一种对现有信号配时的改进，并进行了相应的程序设计。