城市的交通拥堵问题是现代城市发展中普遍存在的难题,交通流量预测是交通管理部门通过交通诱导舒解交通拥堵的技术基础。目前交通流量短时预测理论研究和技术应用还处于发展阶段,暂时还缺少权威的预测理论。构建一个准确、实时、快速的短时交通流预测方法是当前智能道路交通研究论域的一个重要课题。论文通过研究各类经典算法,结合交通流数据本身的特点,综合考虑临近道路时间序列交通流量,提出了一种新型多维时间序列混合数据挖掘的短时交通流预测模型。该混合算法模型的主要思想是通过研究交通流量数据的本质时序特征,采用反映全局特点的多维时间序列和经典机器学习的方法相结合。首先,通过对交通流量时间序列数据进行时序相似性的聚类,将多维时间序列数据转化成经典二维非时间序列信息表,实现有效降低维度;第二,采用不同经典机器学习方法对第一步获得的二维信息表数据进行数据挖掘以获取不同预测信息。通过与测试数据的比对,择优确定最佳预测知识和预测方案。该算法的具体实施步骤包括:时序数据的清洗、填充、转置、聚类、分类、机器学习、分类器构成及最终的预测。论文重点对交通流量数据进行了数据建模,提出了局部交通流时间序列数据模型和全局交通流时间序列数据模型,并对交通流的数据清洗进行了讨论和实践。交通道路真实数据采集后,通过多组实验对比,表明:本算法能选择出最优机器学习方法,效果优于传统单道路时间序列数据分析法。