智慧城市作为人类生活信息化、现代化发展的新方向,在科技更新换代的进程中扮演一个不可或缺的角色。用以解决与日常生活息息相关的出行问题的智能交通系统则是智慧城市的重要组分。而随着道路网络中的交通流量不断增加,交通领域潜在问题逐渐显露。为了预防恶性结果的发生,基于现有数据对未来进行合理预测进而辅助规划决策,对智慧城市的建立至关重要。本文研究了智能交通系统中的对交通流量的预测问题。考虑到时空数据的高纬度、高复杂度等问题,利用在知识图谱领域取得优良表现的张量结构构建了增量式张量模型。并结合交通流量数据的多维性、即时性和高精度的特性,设计了基于增量式张量模型的交通流量预测方法。主要研究包括以下几个方面:第一,构建了增量式张量模型。从高维数据表示的角度出发,构建了模拟张量流产生过程的增量式张量结构。在保证数据完整性的同时为避免早期历史数据的潜在干扰,引入了根据数据特性对不同时期数据赋以不同权重的赋权机制,使得模型在应对时空数据时更具解释力;第二,设计了基于增量式张量模型的交通流量预测方法。考虑到交通流量预测领域的诸多特性,采用了借鉴于重力规则的引力搜索方法优化增量时不同时期数据权重的具体选值;在张量补全方法的选取上,利用张量填充方法中的快速低秩张量补全方法进行分析预测,以兼顾高精度与低时耗;第三,为验证该模型的有效性,利用真实世界数据集对不同类型的方法与同类型的不同方法,进行了评估,并引入长期预测问题以测试本文提出的方法的延展性。结果表明,本文提出的研究方法在与所有方法相比较中均取得了优效性,在长期交通流量预测问题也具有较好的表现。