交通流中的非线性特征是近年来兴起的一个研究方向,其研究目地在于揭示交通流系统的各种非线性特征背后的形成机制,然后加以预测和控制。研究对象主要分为2类：一类是各种交通流模型,另一类是实际的交通流时间序列。本文以交通流的非线性分析、预测和控制为研究内容,重点进行了以下的研究：(1)对宏观和微观的交通流时间序列进行非线性检验,检验方法有递归图、替代数据法、CLY方法和功率潜,检验结果表示宏观和微观交通流均具有周期性和随机性,均表现出混沌特征。(2)从三个方面分析微观交通流时序的非线性特征。第一：采用提出的基于最小二乘支持向量机(LS-SVM)计算时间序列Lyapunov指数谱的方法分析了交通流的混沌和超混沌特征,计算结果表示交通流在拥挤状态下出现超混沌。第二：提出通过速度时间序列的算法复杂度估计系统周期性成分的比率,通过速度变化率序列的近似熵估计系统在结构变化上的复杂性。计算结果表明不同的复杂度值对应交通流的不同状态。第三：改进了hurst指数和多重分形谱的计算方法,然后采用hurst指数和多重分形谱分析不同状态下交通流序列的分形结构特征,结果表明交通流在不同状态下的分形特征量值存在差异,因此具有不同的分形结构。(3)对交通流预测的研究包括：一、提出一种改进的基于最大Lyapunov指数的混沌时序预测方法。该方法选取了相空间中的多个邻近重构向量来提高预测精度,给出了计算步骤。对理论混沌序列预测的结果表明改进方法要优于原方法,讨论了噪声和邻近参考点数对预测结果的影响,并将该方法应用到了对交通流的预测当中。二,提出了基于最大Lyapunov指数的多变量混沌时间序列的预测方法。给出了算法步骤,并讨论了噪声、邻近参考点数和预测步长对预测效果的影响。对理论混沌序列预测的结果表明了提出方法的有效性,并将该方法应用到了对交通流的多变量预测当中。三,提出了一种预测交通流量的动态组合建模方法。该方法将流量时间序列分解成周期项、趋势项、混沌扰动项,采用季节性指数平滑法预测周期项和趋势项之和,计算时分别取周期为一天和一周,用带遗忘因子的递推最小二乘法确定权重,采用混沌预测的邻域法预测混沌项。仿真结果表明了该方法的合理性和有效性。(4)依据变结构控制理论,通过设计速度控制器使得交通流趋于稳定和有序。提出了三种控制方法：连续宏观交通流模型的近似变结构控制；基于离散趋近律的离散交通流模型的变结构控制：基于离散趋近律的离散交通流模型的预测变结构控制。给出了算法步骤并进行了仿真实验,仿真结果表明提出的方法能够将交通流密度稳定在一定范围内。通过改变换道率实现车流在车道上的分配。图69幅,表14个,参考文献176篇。