实时准确的道路网短时交通流量预测成为智能交通系统的核心内容和难点问题。由于交通流量的高度非线性、复杂性和不确定性，使得传统的交通流量预测不能取得令人满意的效果。本项目首先研究了基于灰生成算子（强化算子、弱化算子）的交通流数据预处理新技术，然后重点建立与道路网短时交通流量多个实际特征（如少数据、非线性、周期性、延迟性等）相匹配的灰色GM（τ,r）和三角（τ,p）模型群理论，研究各模型的建模机理及建模过程、模型的灰微分方程式；参数估计表达式和取值范围；模型显式解以及模型中延迟因子τ、非线性参数r和周期参数p的智能寻优算法等。建立的单断面短时交通流灰预测模型有：灰色线性回归组合模型、带有振荡因子灰色模型、灰色干预模型、周期GM(1,1)模型和灰色延迟 模型、基于纯广义累加GM(1,1)的多层递阶预测方法等；建立的多断面短时交通流灰预测模型有:GM(0,N)乘积模型、等维递补MGM(1,N) 模型、延迟非线性GM(1,N∣τ,r)模型、延迟周期MGM(1,N∣tan(k-τ)p,sin(k-τ)p)模型等。另外，还研究了交通流灰色模型的特性和优化问题：单变量单时滞灰色线性系统稳定性、MGM(1,N∣τ,r)模型的渐近性、灰色Verhulst模型的新解与分岔特性、GM(1,1,a)模型背景值的变化对相对误差的影响、灰色模型的相对误差分析及其上界估计、广义累加灰色预测控制模型的性质及优化、基于小波分解与重构的交通流优化预测方法、基于灰色系统的智能交通信号灯动态优化设计等。最后针对武汉市徐东地区城市道路网，研制开发了城市道路网短时交通流的灰色预测软件。这些研究成果对于丰富和发展灰生成建模理论，准确快速地预测和判别道路交通流状态，提高智能交通系统的控制和诱导效果有重要的现实意义。