智能交通系统ITS（Intelligent Transportation Systems）是近年来发展起来的交通控制管理信息系统。作为智能交通系统重要组成部分的交通控制系统，交通管理系统以及交通诱导系统都要求为其提供准确的实时交通信息，而在实时信息基础上的短时交通流预测则是实时控制和诱导的前提，是智能交通系统的重要理论基础。交通流数据中蕴含着丰富的多模式特征，如何在统一框架下充分利用交通流数据的多模式特性仍然是一个难点问题，鉴于此，本文针对短时交通流预测问题，利用张量多线性模型在多模式上动态地对交通流数据进行分析，构建动态交通张量模型，研究动态张量模型框架下的短时交通流预测方法，本文主要内容具体包括以下几个方面：第一，从多模式信息挖掘角度出发，分别构建交通流数据静态张量模型以及动态张量模型，在张量框架下利用多线性分析对交通流数据进行分析，揭示交通流数据的多模式低秩特征，提出以交通流数据的多低秩性为基础的短时交通流预测问题。第二，在交通数据动态张量模型基础以及多模式分析基础上，提出基于矩阵分解的张量填充方法解决短时交通流预测问题，并由此提出一种以多模式矩阵分解为基础的张量填充方法及其理论。并从多个方面测试基于矩阵分解的张量填充方法的可行性。最后，结合动态张量填充方法与交通流动态张量模型，提出基于动态张量模型的短时交通流预测方法，并与现有的预测方法进行对比实验，分别在正常数据下和丢失数据下对算法进行检验测试，实验结果表明，在一定条件下本文提出的方法能够准确地预测交通流量且能在统一框架下准确地填充丢失交通数据以及预测未来交通流量。