随着交通科技的进步和道路交通管理及设施的不断提高和改善,加上人们对交通出行的要求越来越高,智能交通系统(ITS,Intelligent TransportationSystem)得到了前所未有的关注和应用。能够准确地进行短时交通流预测无疑对交通控制和交通诱导等方面有重要的作用。　　 传统的交通流短期预测方法以“点预测”为主,而对于“区间预测”研究较少。区间预测(Interval Forecasts)是预测方法的一种,又称预测区间(PredictionIntervals),它是由特殊的上下预测边界组成的预测范围,期望未来待预报的数据以期望的概率落在该预测范围内。区间预测的思想是使用区间代替点预测的确定值,提高预测性能。区间预测可以提供比点预测更多的信息,让使用者能够更好地估计未来的不确定性,在可能的范围内选择适当的处理策略。　　 在灰色系统理论中,灰区间预测理论提供了对系统中某些量的变化范围做整体区间研究的理论基础。本文的研究目的在于找出一种可靠、简单的区间预测方法,克服构造预测区间时方法过于复杂和计算较为不便的缺点,并在一定程度上提高预测稳定性和预测精度。本文基于包络分析、预测区间分析和区间灰数分析,提出了不同的预测方法。所做的工作和取得的成果主要体现在下面四个方面:　　 1、分析研究了短时交通流预测理论及方法,介绍了区间预测理论方法和灰色理论及预测方法,同时对不同的短时交通流预测方法作了比较分析。　　 2、研究了灰色区间预测模型,提出了包络区间预测的新方法。该方法针对传统灰色区间预测方法中存在的阈值划分、数据划分不合理的问题进行了详细分析。通过分析讨论依据级比选取的阈值划分方法,利用数据分布规律对数据进行分组,结合插值分析对分组数据进行分析,并确定上、下包络线,然后分别建立灰色GM(1,1)模型,最后计算得到原始序列的预测值范围。通过实验,说明了该方法具有较高预测精度,同时也增强了预测的可信度。　　 3、分析研究了灰数理论及其建立预测模型的理论方法,并就残差预测模型进行了讨论,在使用区间灰数弱化离群数据的分析基础上,提出了基于区间灰数分析、离群数据分析和趋势分析的区间预测模型。首先阐述了基于区间灰数序列的预测方法存在的两个方面的问题,然后针对一般方法不能有效去除离群数据造成的不确定因素的影响及存在信息损失的不足,将区间灰数纳入区间预测的研究范围内,同时在对离群数据分析、趋势序列分析和置信度等分析的基础上,提出了新的区间预测方法。实验结果表明,该方法建立的区间预测模型有效地预测了短时交通流曲线。　　 4、在理论研究基础上,设计并实现了一个针对特定道路进行交通流监测和交通流区间预测的原型系统。系统主要实现了交通流实时监测模块和交通流区间预测模块,达到了预想的交通流监测和区间预测功能要求。