实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题.基于采用ARIMA(p,d,0)模型结构的时间序列分析方法,提出一种短时交通流实时自适应预测算法.在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计,采用基于线性最小方差预报原理的Astrom预报算法进行预报.针对大量实测数据进行仿真实验,结果表明:减小遗忘因子可以提高一步预测的性能.此外,将该算法分别应用于工作日和双休日的数据时,仿真实验都取得了较好的预测效果,说明该算法对不同交通流状况具有较好的适应性.