智能交通控制与管理是缓解城市道路交通拥堵、提高道路资源利用率的有效途径，而准确的道路交通状态预测是实现交通流诱导和控制的前提和基础，也是实现智能交通系统从“被动式反应”转变到“主动式动作”的关键。由于交通系统是一个由众多微观个体组成的复杂系统，组成系统的个体之间存在着复杂的非线性关系，而且受到各种不确定性因素的干扰，如司机的个人行为、不可预知的交通事件的影响等，使得交通状态表现出强相关性和波动性。而以非线性为特征的混沌理论被称为20世纪自然科学的第三次大革命，其主要针对确定性系统中的内在随机性研究，使得刻画复杂交通系统的变化特征成为可能，因此，本文基于混沌理论研究交通状态时间序列的预测问题。本论文针对交通参数之间的关联关系，以数据融合和相空间重构理论为基础，建立基于多交通参数的交通状态混沌预测算法，着重从交通状态的单参数和多参数两个方面，结合混沌理论对交通状态时间序列进行了建模和预测研究，全文主要研究成果包括：①通过引入新的交通状态影响因子，改进了基于路段平均速度的道路交通状态评判指标，同时，提出了一种针对时间序列的差异数据预处理方法，保证了状态判别以及预测的实时性。在分析交通状态检测和数据预处理的基础上，考虑交通检测数据的时变特性，提出一种针对时间序列的差异数据预处理方法，以提高数据传输、存储以及计算效率。利用数据类型转换以及差异传输两种途径对交通参数时间序列进行差异处理，并以GPS实测交通参数为例，验证了本文提出的差异预处理技术。在此基础上，借用模糊集理论将坡度、绿信比和路况三个道路交通状态影响因子引入交通状态判别，并在总结实验室前期研究的基础上，改进了基于道路平均速度的交通状态判别方法。②基于路段平均速度和路段自由行驶最大车速，提出一种新的交通状态评判指标——相对路段平均速度，以改进单纯依靠平均速度进行道路交通状态评判时不同路况对评定结果的影响，从而提高交通状态预测的准确性。路段平均速度作为最基本的交通参数之一，为道路交通流状态判定提供了更为直接的依据，而单纯依靠路段平均速度的交通状态描述由于并未考虑不同路段间的相对路况信息，从而无法保证路网中不同路段相对交通状态预测的准确性。另一方面，由于交通系统在本质上是混沌的，因此，有必要对不同路段间的相对路段平均速度进行混沌特性分析和预测，以改进单纯依靠平均速度进行道路交通状态评判时不同路况对评定结果的影响，从而提高交通状态预测的准确性。通过对不同路况平均速度值的实测数据分析，证实了在交通状态预测方面通过引入新交通参数，改善预测方法，提高预测精度的可行性。③考虑不同交通参数之间的关联关系，提出了一种基于多交通参数的交通状态混沌预测模型，该模型给出了多个交通参数的融合算法以及交通状态的预测方法。现有的预测模型一般采用的都是单一参数的数据，由于交通系统的高度复杂性，导致传统的预测模型缺乏体现完整状态的交通信息，且精度不高。所以利用不同交通参数从不同角度刻画交通状态，旨在提供更加完备的交通信息，进一步改善交通状态预测的准确率。最后对全文的研究工作进行了总结，并指出了交通状态的混沌特性分析及预测研究的进一步研究的方向。本文的研究工作和所取得的主要成果对数据融合以及混沌理论的研究和应用有重要的理论和实践参考价值。