随着我国经济的持续稳步快速发展，城市化进程的步伐日益加快，城市道路交通基础设施供给速度的缓慢与城市的交通需求的飞速发展之间的矛盾日益突出，交通拥堵问题已经严重阻碍了城市的可持续发展，对人们的日常生活与工作造成了严重影响。国内外发展实践表明，在现有交通设施的基础上通过更加信息化、智能化的管理系统来提高交通管理水平，是从根本上解决城市道路交通问题的有效手段。南沙区智能交通管控平台项目以“提高管理水平、保障城市畅通、改善交通秩序、提升服务水平”为目标。城市道路交通流的精确预测以及交通状态判别是该系统中的重要组成部分。本文选题来自南沙区智能交通管控平台项目。本文研究的重点是短时交通流的预测以及道路交通状态的判别这两方面，本文研究的目的是为智能交通管控平台提供有力的技术支持，使得管理更具有科学性。主要包括以下几方面的研究：（1）根据交通流预测以及状态判别的需要，提出了交通数据预处理的方法。文章简要介绍了故障数据的识别以及处理技术，通过预处理保证了数据的质量，使得交通流预测以及状态判别结果的准确性有所保证。（2）前期的大量研究表明，仅仅选用单一预测模型很难满足预期的精度要求。本文在以BP神经网络进行短时交通流预测研究的基础上，详述了其建模过程，并对其中的不足给出了改进的方法。然后选用小波神经网络建立短时交通流预测模型，最后提出了基于数据融合的多模型融合预测算法。通过运用MATLAB进行仿真对比，从而验证了多模型融合预测算法的有效性。（3）根据道路交通状态的模糊不确定性，本文通过模糊综合评价的方法来对道路交通状态进行判别，并选用模糊层次分析法对其中的权重系数进行确定，以此降低人为因素的影响,最后通过实例分析验证了算法的可行性。（4）以南沙区智能交通管控平台项目为基础，介绍了其中交通流预测与状态判别的实现过程。为大中城市解决相关问题提供了参考。