随着科学与技术的发展,交通拥塞、交通安全和交通环境污染等问题已引起许多科学工作者的广泛关注,交通流系统具有时变、耦合、非线性动态特征。其复杂性、可视化、结构和功能之间的相互关系与内在机理尚未得到足够的重视。故本文对交通流的关键技术进行了研究,其主要内容如下:本文主要分析海量交通流的数据特性以及城市智能交通网中交通流的时空相关性。并基于复杂网络的研究剖析了影响城市交通流变化的主要因素,为交通流预测建模提供决策支持。结合城市交通流特性,利用大数据挖掘技术进行数据的提取、处理等,挖掘其潜在有用的知识为交通流预测建模提供数据支持。一方面,根据当前的交通流数据来动态调整其对未来预测的影响;另一方面,通过对历史交通流数据的时空特性分析,利用数据挖掘领域的相关知识寻求与当前交通流特性最为相似的假设规则。该方法对大数据进行了约简,提取了主要数据,挖掘了未知信息,弥补了传统数据处理在逼近性能方面的不足。同时兼顾交通流预测精度与交通流动态变化的强适应性。研究大规模路网交通流预测,主要通过两种方法建立交通流预测模型(即:基于知识免疫的模型、基于混沌知识免疫的模型)。基于知识免疫的算法是利用知识建构和免疫优化算法的优势相互取长补短,而基于混沌的知识免疫算法是利用混沌算法的优势和知识免疫智能算法内部策略来相互取长补短,从而动态地控制和调节区域大小进而加速其算法搜索速度,以实现高效短时交通流的预测,通过仿真实验证明该方法的可行的和有效的。