本文以国内外短时交通流预测相关研究为基础,归纳总结了已经存在的几种普遍的短时交通流预测方法,分析其理论基础和算法构架,并总结其优缺点。在将几种短时交通流预测方法进行对比之后,本文选择非参数回归方法来进行预测。在选定方法之后,本文基于非参数回归方法在短时交通流预测的运用的相关研究,提出该方法的整体框架、具体步骤以及该方法中将会对预测精度产生影响的几个因素。其中最重要的因素是历史数据库的构建、状态向量的选择、K值的多少。本文以K近邻模型理论为基础,建立了基于K近邻的非参数回归方法的短时交通流预测模型。算法的构建分为五步:1.历史数据的构建。2.状态向量的构建。3.相似数据搜索方法。4.K值的选择。5.构建预测算法。并对算法中的每一步骤进行详细分析,降低该方法的预测误差。本文中状态向量是由与待测路段相关的上游路段的流量构成,分别是从各路段最佳历史追溯周期时刻流量,各路段从t时刻开始到最佳历史追溯周期时刻之间所有状态点流量和对各路段所有状态点流量进行主成份分析这三个不同角度构建状态向量。并通过三种状态向量在全天,高峰时段和低峰时段预测的实验对比,得出每种状态向量的特点和适应情况以及验证本文提出对状态向量进行的改进。最后将改进的向量与基本向量进行对比,验证改进向量的优越性。