短时交通流智能混合预测技术：为了克服现有单项预测技术对不同交通流状况的局限性，提出一种新的短时交通流智能混合预测模型．该智能混合预测模型包括３个子模型：历史平均模型、人工神经网络模型和模糊综合模型．历史平均模型以历史数据为基础，利用一次指数平滑法良好的静态稳定特性，对交通流量进行预测．人工神经网络模型采用常见的由Ｓ函数神经元组成的１．５层前馈神经网络，由于人工神经网络具有强大的动态非线性映射能力，该模型对动态交通流量的预测具有较高的精度和满意度．根据上述２个单项模型的特点，为了充分利用它们对不同交通状况的适应性，进一步提高整体预测效果，采用模糊逻辑来综合这２个单项模型的输出，并把模糊综合模型的输出作为整个智能混合模型的最终交通流量预测值．实际应用结果表明，该混合模型的预测精度高于单项预测模型各自单独使用时的精度，发挥了２种模型各自的优势，是短时交通流预测的一种有效方法．
