本书针对交通流时间序列所涉及的预测、优化和控制问题, 系统地给出了作者在非线性动力学领域的最新研究成果, 已期为研究人员在非线性系统, 以及混沌时间序列的理论研究提供参考。主要包括三大部分: (1) 介绍交通系统的发展现状, 讲述了混沌时间序列分析理论在交通系统中的研究意义和挑战, 并对混沌时间序列分析理论进行了概述 ; (2) 针对交通流时间序列的非线性特性, 给出了各类混沌特性的识别算法, 并对交通流时间序列进行相空间重构原理介绍, 从高维对交通流时间序列进行分析 ; (3) 设计了基于混沌与神经网络结合的混沌神经网络方法、基于Volterra模型的非线性自适应滤波方法以及基于Davidon-Fletcher-Powell (DFP) 优化技术的quasi-Newton (QN) 高可靠性线性自适应滤波算法, 并对几种方法在交通流序列预测中的应用进行了深入研究介绍。