智能交通系统在国内外得到迅速发展，其主要是处理陆地车辆的信息。目前，没有一个综合性的服务平台，将各种出行信息集成在一起。用户获取想要的出行信息，就要访问不同的网站，这样会降低用户体验效果。针对这种情况，我们提出智能交通服务平台，集成各种交通信息，便于出行者选择。　　智能交通服务平台的研究涉及很多理论、方法，我们在整体架构研究的基础上，重点对其中的部分内容进行了研究。具体工作如下：　　首先，采用WebService技术，利用对外开放的网络服务接口，根据其操作流程，将获取到的出行信息进行整理，根据输入条件进行查询，推荐最佳出行方案。　　其次，根据主题网络爬虫技术可以获取实时交通信息，但是在海量的信息中快速获取特定信息比较困难，因此引入遗传算法和非贪婪策略。根据实验结果表明，非贪婪遗传主题网络爬虫算法能够收集到高相关度的网页，不仅快速高效获取高速公路路况的信息，提高信息采集正确率，而且为出行者提供外出参考。　　最后，根据城市短时交通流量具有非线性、周期性、不稳定性等特点，论文采取小波神经网络预测短时交通流量，引入遗传算法对小波神经网络优化参数，建立改进遗传算法-小波神经网络模型。首先预处理交通数据，进行去噪，然后采用绝对误差动态反馈的机制训练网络，通过分别对小波神经网络、遗传算法-小波神经网络、改进遗传算法-小波神经网络作比较，发现改进遗传算法-小波神经网络预测的短时交通流量的预测具有更好的稳定性和更高的预测精度，更接近于实际交通流量，为进一步解决城市交通拥堵提供切实可行的根据。