随着计算机技术的发展，其应用在各个社会领域和工程领域不断扩展。城市交通是关系一个国家兴旺发达的重要因素，更与人们的日常生活息息相关。随着城市的发展，城市道路交通状况越来越严峻，我们急需实用且效果良好的交通控制系统来缓解交通压力。要实现对道路交通流进行实时的控制和诱导，其前提和关键就是能够实时、准确地预测未来的交通流量。　　本文针对交通流预测的实际应用问题展开研究。首先介绍了本论文研究工作的背景和意义，明确了本论文的研究目的。接着对本论文用到的理论知识进行了梳理和分析，主要包括交通流方面的理论知识，并对现有的国内外技术现状进行了分析和总结。随后，分析了两个改进的粒子群算法，将粒子群算法和混沌运动具有遍历性的特性结合起来，提出了一种基于自适应混沌搜索的粒子群优化算法。　　然后，提出种群的多个子种群协同进化的粒子群算法，最终达到整体寻优的效果。在这部分内容中，对算法的思想，算法设计，各子种群采用的不同搜索策略都给出了详细的描述。并且将该粒子群算法结合神经网络，提出了基于多粒子群-神经网络的交通流预测方法。　　最后对本论文主要的研究工作进行了仿真实验研究，并对实验结果进行了分析和对比。实验结果表明，本论文提出的算法和模型都具有一定的改进效果。