智能交通系统(ITS)是目前缓解城市交通拥阻、减少交通污染的一种经济、环保、节能高效的方法。交通流量预测是智能交通系统的重要组成部分,它是根据实时交通信息来预测未来时刻的交通信息;智能交通系统主要根据预测信息对交通信号实施实时控制和对道路交通实施有效诱导。因此如何获取精确的预测信息成为研究的一个热点。城市路口交通流量具有高度的非线性、相关性、突变性等特点,传统的基于数学模型预测方法已经很难准确的预测路口交通流量,人工神经网络是目前比较有效、准确的路口交通流量预测算法。本文以某城市的交叉路口每5min采集到的交通流量为研究对象,利用混沌系统全局遍历性的特点、结合神经网络、小波函数、粒子群优化算法等,提出基于混沌与小波的神经网络交叉路口短时交通流量预测算法,以提高神经网络预测算法的精度;本文的研究内容包括以下四个方面:1.交通流特性、预测与分析通过对交通流的一般特性及交通流可预测性分析,证明本文研究对象的可预测性。2.结合智能优化算法的BP神经网络短时交通流量预测将BP神经网络应用于交通流预测,分析BP神经网络预测算法的局限性,分别采用遗传算法和粒子群算法对BP神经网络参数进行优化,分析两种智能优化算法优化的BP网络预测算法的优缺点。3.结合小波的神经网络短时交通流量预测结合交通流量的非线性、突变性、数量少的特点以及小波神经网络对高频,低频信号的处理能力,提出结合小波的神经网络交通流预测算法,并进行仿真实验,对预测输出结果进行性能评估。4.结合粒子群算法的小波神经网络的短时交通流量预测分析小波神经网络预测算法的优缺点,针对小波神经网络的局限性,应用粒子群及其改进算法优化小波网络结构和参数,并将优化后的小波网络对交叉路口交通流量进行预测,分析评价预测效果。5.结合混沌算法的小波神经网络交通流量预测研究混沌系统全局遍历性的特点,研究混沌系统嵌入粒子群优化的算法以及将混沌系统嵌入小波神经网络学习训练过程的算法;最后应用混沌粒子群神经网络和混沌神经网络算法对交叉路口交通流量进行预测。论文应用MATLAB对各种算法进行仿真实验,实验仿真结果表明,基于小波神经网络及其结合混沌和粒子群的预测算法可以突出交通流量的非线性、突变性等特点,且算法全局搜索性好、预测精度高,是一种有效的预测算法。