为了实现基于混沌的交通控制,必须尽快识别出交通流中的混沌,以便及时采取控制措施,使交通流趋于有序。然而现有的混沌识别方法需求样本量大,计算速度慢,无法满足实时性的要求。因此,研究在线实时快速判定混沌的方法不仅可以填补理论上的空白,而且具有很高实用价值。本文从定性判定和定量估计两个方面研究交通流中的混沌现象,并通过仿真实验验证了所提识别方法的有效性。在对混沌交通流的定性判定方面,本文提出一种基于系统先验信息的混沌判定方法。该方法通过基于支持向量机的知识发现方法寻找出现混沌与初始条件的对应关系,把判定混沌的问题转化为判定系统是否满足特定的初始条件的问题,从而实现对混沌的小数据量的快速判定。在该部分给出一个定性判定确定系统混沌的方法的总体框架,并详细介绍各个子系统的实现方法。在对交通流中的混沌的定量估计方面,提出了基于小波神经网络和计算Lyapunov指数谱的方法。该方法采用相空间重构技术对一维序列进行重构,用小波神经网络估计重构的动力系统方程,再计算该系统方程的Lyapunov指数谱,通过重构的系统来研究未知的系统。实验部分用该方法对Logistic映射和Henon映射的一维序列进行了计算,结果表明小波神经网络具备极好的非线性逼近能力,且最终计算结果精度高,需求样本数少,可以满足实时性的要求。仿真试验了该方法在交通流中的应用。