短时交通流预测作为智能交通领域的一个研究热点,是实现智能交通控制和交通诱导的关键技术之一。短时交通流所具有的非线性、时变性、不确定性、不稳定性的特点,本文分别从线性系统理论及非线性系统理论两个角度对其短时预测方法进行了研究。通过对短时交通流时间序列的自相关和偏自相关函数的特性分析,建立一个具体的时间序列模型,进行了基于ARMA的自回归模型的预测；同时,由于交通流具有短时混沌效应,本文首先通过C-C算法,获得相空间的嵌入维数和延迟时间,在此基础之上重构相空间,然后利用小数据量法获得最大lyapunov指数,对短时交通流的混沌特性进行了分析,在满足混沌特性的前提下使用了基于最大lyapunov指数的预报模型进行短时交通流预测。最后文中利用MATLAB编程分别实现了这两种预测模型的建模和仿真,对模型输出的预测值与真实值进行了误差分析,获得了较好的效果。随着交通流采样周期的缩短,其混沌效应愈加明显,基于最大lyapunov指数的预报模型的优势将会更加明显。