城市交通拥挤和堵塞现象严重影响到整个城市的可持续性发展和人们的日常出行，ITS成为解决现代交通问题的唯一办法。交通参数预测是ITS研究领域的一项重要内容，可以为ITS提供实时、准确、可靠的交通信息，使其快速准确地了解路网交通状态的变化，及时采取对策，疏导交通、减少拥挤，使有限的路网时空资源发挥最大的效率。 本文依托国家科技部“十五”科技攻关重大项目“基础交通信息采集与融合技术研究”与国家自然科学基金项目“智能化高速公路突发事件监控系统关键理论与方法研究”，针对目前常规预测方法所存在的不足以及对预测精度造成影响的几项因素，从学术意义和实用价值两个方面进行考虑，提出了动态交通数据的故障识别与修复方法，确保预测模型输入信息的可靠性和准确性；运用统计分析方法、ANN和数据融合等信息处理技术对原有预测方法进行改进，并建立了新的交通参数短时预测方法。 全文共分七章。 第一章绪论，介绍了课题的来源，问题的提出，本文研究目的及意义，最后确定了全文的主要研究内容。 第二章对交通参数预测的研究背景及现阶段的研究现状进行了综述，对几种常规预测方法进行介绍，并使用同一数据对几种常规的预测方法进行验证与评价，分析对交通参数预测精度造成影响的几个因素，从这些影响因素入手，提出全文的研究思路。 第三章中对交通传感器的数据进行分析，针对采集数据中可能出现的问题，提出了动态交通数据的故障识别和修复方法及历史趋势数据库的更新原则。本章的研究内容确保了交通模型输入信息的可靠性和准确性，对提高预测方法的精度具有重要意义。 第四章对原有指数平滑方法进行改进，提出了自适应权重指数平滑预测方法。此方法是根据跟踪信号不断调整加权系数，以此提高预测精度。实际数据预测结果证明改进后的方法要优于原有方法。 第五章运用神经网络技术对交通参数短时预测方法进行了研究。根据模型输入变量在空间上的不同，分别设计了SBANN预测方法和MBANN预测方法，使用美国SNN统计分析软件对网络预测模型进行训练、标定和测试，最后使用实际数据对本文所设计的预测方法进行了验证，得到了较好的预测效果。 第六章以常规预测方法的输出结果为信息源，设计了基于数据融合的MMFA预测方法，定义了动态误差的概念，并以动态误差为基础，设计了MMFA融合权重的确定方法。经实际数据验证并与其它预测方法进行比较之后的结果表明，该方法可以有效的提高交通参数预测的精度。 第七章对全文的研究内容进行总结，并对下一步的研究工作提出建议。