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。针对提高交通流量预测的准确性,本文对采集的原始交通流数据进行整理分析与判断后,在误差前向反馈算法以及神经网络遗传算法分析的基础上,确定了小波神经网络的结构。然后通过改进的三段式遗传算法对神经网络的权值进行初始化,并由遗传算法得出的最优个体解码作为小波神经的权值及因子,在此基础上构建出小波神经网络。最后利用建立的小波神经网络预测出交通流量值,并对预测误差进行分析,采用Dijkstra算法确定出用时最短的最优路径后,利用MFC对该模型进行软件实现。