随着社会经济水平的不断提高,居民对于出行质量的要求也逐渐提高,然而城市交通拥堵、交通安全等问题依旧是制约城市交通发展的主要因素。如果能对短期车流量,特别是节假日、恶劣天气、事故发生时的车流量进行相对准确的预测,那么就能为交管部门的管理和指挥决策提供依据,城市交通管理部门就能早一步采取交通疏导和拥堵应对措施,有助于城市交通信息化管理水平的提升。本课题基于交管部门数据,研究城市交通车流量随各种因素变换而变换的特征,研究并提出将数理统计中的自回归ARIMA模型与机器学习中的CART模型树相结合的方法用于短时车流量的预测,经过验证:该方法能够在突发状况发生时有较好的预测表现。在完成了组合模型对于车流量预测的实验与验证之后,本课题还设计并实现了车流预测预警移动端原型系统。该系统使用了流行的混合开发模式,利用Cordova框架和高德地图API等技术进行系统原型开发,后台则使用python语言用于后台数据计算与存储。通过该模型与系统,能够为交管部门及时提供预测预警信息,有助于提高城市交通应对突发车流拥堵的应急能力,提升市民的出行质量。