研究致力于交通数据修复技术及缺失数据环境下的交通流预测。首先研究了基于 CP 分解与基于 TUCKER分解的三种张量数据修复算法： CP -ALSALS 算法、CP -WOPT算法和 TUCKER TUCKER -ALS 算法。基于张量分解的数据修复方法能充利用各模式间相关性，其数据修复精度相对基于向量的和基于矩阵的数据修复方法优势明显。其次，重点研究了数据缺失环境下的三种交通流预测方法：未修复缺失数据的K近邻非参数回归模型（K-NN ）；统一值替换下的神经网络模型（BPNN）与支持向量机模型（SVM）；CP-WOPT算法修复缺失数据后的K-NN、BPNN 与 SVM 模型。同样基于长沙市交通流量数据进行数值实验。并采用长沙市局部路网的交通流量数据进行数值实验，验证其修复精度与预测效果。