交通流预测是智能交通系统(ITS)的重要研究内容之一,准确实时的交通流预测是进行智能交通诱导与控制基础与前提,对解决当前交通拥堵问题具有重要价值和指导意义。　　 本文首先研究了交通流中的一种重要现象即混沌现象,进而研究了交通流预测粗神经网络算法,最后将粗神经网络算法应用到混沌交通流的预测中。所作的主要工作有以下几点:　　 1.首先介绍了混沌相关理论以及两种重要的交通流理论模型,并对其进行了理论分析,得出了混沌现象在交通流中产生的过程。之后基于两种模型,给出了微观意义下的分析,得出关于混沌交通流的五点结论。在此基础上提出了混沌交通流预测的一般步骤。　　 2.建立了单交叉口和相邻交叉口交通流预测模型,针对当前的交通流预测方法,本文选取了神经网络算法作为研究对象,并结合了粗集理论对三种神经网络算法分别进行了改进,使改进算法具有更好的泛化能力和较高的预测精度。　　 3.将改进的粗神经网络预测算法应用到混沌交通流的预测中,分别进行了仿真分析,得出改进的RBF网络具有较好的预测效果。　　 最后对论文进行了总结与展望,归纳了本文的收获与成果,对需要进一步探讨的问题进行了说明。