为揭示短时交通流的内在动态特性,利用非线性方法对交通流混沌特性进行识别,为短时交通流的预测提供基础。基于混沌理论对交通流时间序列进行相空间重构,利用C-C算法计算时间延迟和嵌入维数,采用Grassberger-Procaccia算法计算吸引子关联维数,通过改进小数据量法计算最大Lyapunov指数来判别交通流时间序列的混沌特性。针对局域自适应预测方法在交通流多步预测中预测器系数无法调节的问题,提出了交通流多步自适应预测方法。通过实测数据计算,结果表明：2,4和5　min三种统计尺度的交通流时间序列均具有混沌特性；改进的小数据量法能够准确地计算出最大Lyapunov指数；构建的交通流多步自适应预测模型能够有效地预测交通流量的变化。为智能交通系统诱导和控制提供了依据。