短时交通流预测是智能交通系统的一个重要组成部分，其实时性与准确性直接关系到了交通控制与交通诱导的效果。因此，本文以如何提高短时交通流预测的性能为出发点，对传统的短时交通流预测算法加以改进，并且将改进后的预测算法应用到干线交通控制算法中，进一步提高控制效果。论文主要内容如下： 1.利用实际的交通流数据，将非参数回归短时交通流预测中传统的核函数法与K邻近法进行仿真对比研究。并将K邻近法加以改进：通过引入前一时刻的交通流量来保证搜索到的历史值与当前值的切线方向是一致的，从而提高其预测的准确性；通过引入C-means聚类算法组织庞大的交通流历史数据库，使得K邻近法只需在邻近的类中搜索，从而大大减少了搜索时间，提高其预测的实时性。 2.以长安街的双向干线交通为研究对象，利用分层递阶协调控制策略对其加以控制。设计相位差控制器为协调层控制器，周期和绿灯时间控制器为路口级控制器；在绿灯模糊控制器中引入短时交通流预测数据，解决了本周期的拥堵，到下一周期才能采取控制措施的滞后问题：在相位优先控制的基础上引入了切换技术，从而利用单向交通的控制策略解决了双向交通问题。仿真研究表明短时交通流预测算法的引入提高了协调控制的性能。 3.以JTC-2000路口信号机为控制对象，搭建了多功能交通信号控制软件平台。该软件可以通过上位机远程控制路口信号机，从而实现在线查询和修改交通信号配时方案的功能；可将大量的路口交通参数以文本的方式进行存储，并且基于交通参数的历史值进行预测；利用SQL2005数据库，实现交通控制案例的存储与查询功能；实现了基于案例推理(CBR)的案例的搜索、案例的复用、案例的修改、案例的存储功能。 论文最后对研究工作进行了总结，并提出了今后需进一步深入研究的问题。