GPS是当今世界最为流行的卫星定位系统。本文在分析GPS发展及交通状况检测现状的基础上，提出了一种基于GPS系统的城市交通状况检测的新方法。该方法可方便的得到车辆行程时间与即时车速及车道占有率，通过对车辆短时间内连续速度的拟合得到速度的分布函数，通过求积分获得时间平均速度，通过区间平均速度获得交通流量，实现了交通状况的实时检测。这对于城市交通诱导和控制具有极为重要的意义，为智能交通系统的实现提供了必要的条件。 在交通状况实时检测的基础上，进行有效的交通状况预测，是实现智能交通诱导和控制的重要基础。人工神经网络具有识别复杂非线性系统的特性，比较适合交通状况的预测。但传统神经网络普遍存在着局部极小值、收敛速度慢、推广能力欠佳、难以做到实时处理和在线学习等不足之处。 本文在分析传统神经网络不足的基础上，实现了遗传算法与高阶神经网络相结合的城市交通状况实时预测模型。运用遗传算法训练神经网络，由于遗传算法具有全局优化的能力，因此可以避免神经网络学习过程中陷入局部极小。 在此基础上，将GPS技术与GIS相结合，设计了车辆实时跟踪定位与诱导系统。利用现在较为成熟的GSM系统，可实现车内诱导系统。