随着我国经济发展及城市化水平的提高,交通运输已经成为国民经济的命脉。当前,城市交通运输出现不同程度的拥堵现象,导致交通路网中车辆行驶速度降低,增加行驶车辆的排队时间,提高人们的出行成本。鉴于此,以计算机数据处理为基础的智能交通系统在城市交通管理工作中发挥着重要的作用,为交通管理决策提供科学的理论指导和技术支持。智能交通系统的关键是交通诱导和交通控制,交通诱导实现的前提是预测道路的交通状况。通过建立适用性、准确性较强的短时交通流预测模型,可以帮助相关部门做好交通诱导工作,从而改进该地区的交通状况。本文结合混沌理论、小波神经网络及改进的鸡群算法对短时交通流预测进行深入研究,主要开展工作如下:(1)为提高算法的收敛速度和预测结果的精度,对修复后的数据进行小波降噪处理。通过C-C法计算时间延迟τ以及嵌入维数m两个因子,使用小数据量法计算出李雅普诺夫指数,依据该指数大于零判定交通流数据具有混沌特性,从而满足短时交通流预测的前提。(2)使用小波神经网络建立短时交通流预测模型,运用改进的鸡群算法优化小波神经网络的权值和平移伸缩因子两个参数,构建基于改进鸡群算法的小波神经网络短时交通流预测模型。最后,开展实证研究。