随着城市化进程的大大加快，交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重，成为越来越迫切需要解决的重要问题。为了缓解城区的交通压力，适应城市的发展，许多大城市开始规划、建设快速环路以加快车速、缩短运行时间、提高运输效率。与此同时，各大城市也在不断完善和发展各项ITS技术，加强道路交通系统的管理与控制，以提高道路使用效率。 北京市环路交通对缓解城区交通拥堵发挥了重要的作用，但仍满足不了机动车飞速发展的需要，因此必须对现有的交通系统加强管理，采取优化、预测、调整措施，以较少的投入，最大限度地缓解交通拥堵。而北京环路交通流的实时滚动预测对于掌握环路交通状况，实施有效的交通流诱导以避免交通拥挤，有着重要的意义。 本文首先对交通流预测方法和组合预测理论进行介绍，结合城市环路交通流的特性，分别用卡尔曼滤波、神经网络、时间序列ARIMA模型构建了交通流实时预测模型，并用经分析处理后的北京市三环路检测器检测到的实际数据对以上三个模型进行验证和结果分析；最后基于以上三种单项预测方法，建立了参数估计的最小方差的组合预测模型，同样用实际数据进行验证，并与三种单项预测方法进行比较分析。实验结果证明，在拥挤时段参数估计的最小方差法的组合预测并不能取得预想的效果，而神经网络和卡尔曼滤波对拥挤时段交通流变化的适应性较强；在非拥挤时段，组合预测则能够取得比单项预测更高的预测精度。