近年来,我国各城市都在大力发展智能交通以应对逐渐严重的交通拥堵现象。对城市道路的交通流、交通状态进行合理的预测,能够为智能交通系统的管理方案的制定提供有力的技术支持。现阶段交通流实时预测已经如火如茶的展开运行,各种预测方法在预测的精度、运算的速度上各有优势。然而,同一种交通流量下可能会对应着不同的交通状态,对交通状态的预测也是十分必要的。交通仿真作为交通领域不可或缺的研究工具,其作用越来越凸显。尽管交通仿真工具功能强大,并却不能直接应用于交通状态预测,而通过其他途径得到了预测的流量等仿真工具的输入值,经运行仿真软件后,所得出的就是设定的预测时段的交通模拟状况。采用交通仿真的方式进行预测为交通运行状态的预测提供了一个新的思路。首先,在查阅大量的国内外文献的基础上,对当前的交通状态预测方法进行归纳总结,确定采用间接预测方法进行预测。具体为对仿真软件TransModeler进行二次开发,将短时交通流量预测模块植入仿真软件,采用卡尔曼滤波算法进行流量预测得出预测值作为仿真输入值,通过运行仿真软件对交通状态进行预测。其次,梳理短时交通流预测的相关知识,总结目前广泛应用的各种交通流预测模型并对比分析其各自的优缺点,选定卡尔曼滤波算法作为本文的预测模型。针对卡尔曼滤波算法对数据的连续性要求较高,而路口检测器检测到的交通流量数据会出现漏传、有偏差等现象,提出以历史数据为基础数据计算出预估计值,保证在数据出现漏传现象时卡尔曼滤波也能连续的递推下去。在此基础上,通过前两个时段的实测流量数据对下一时段的数据进行预测。再次,分析各层面的交通仿真软件并阐述交通仿真软件TransModeler用于交通状态预测的具体优势。在运行仿真软件之前,对仿真软件内部的参数进行校正,使预测的状态更能符合实际情况。并结合仿真软件输出的评价指标的特征,建立具有仿真参数特征的评价指标体系分别对交叉口、路段、路网的运行状况进行评价。最后,选取昆明市学府路与一二一大街片区作为实例验证的区域,采用C++编程辅助完成了提取数据、评价指标分析整理的步骤,提高了工作效率。通过实测数据与预测数据对比,误差在20%以内。实例表明,通过预测流量并借助仿真软件预测下一时段路网上的交通状态是可行的。