پیش بینی حجم ترافیک نقشی مهم در کاهش ازدحام ترافیک، تقویت عملکرد زیرساخت های حمل و نقل، مدیریت جریان ترافیک و بهبود ایمنی ترافیک دارد. در پژوهش حاضر، به پیش بینی متوسط حجم روزانه ترافیک پرداخته می شود. بدین منظور، از روش شبکه های عصبی انتشار برگشتی چند لایه به همراه تحلیل اجزای اصلی و نیز روش شبکه عصبی- ژنتیک همراه با تحلیل اجزای اصلی استفاده شده است. با توجه به موقعیت ویژه و با اهمیت شهر تهران به عنوان پایتخت کشور و حجم بالای جریان ترافیک محورهای منتهی به آن، مدیریت و برنامه ریزی جریان ترافیک در این مسیرها، امری حیاتی می باشد. با توجه به اهمیت موضوع، در پژوهش حاضر سعی شده است که تعدادی از این راه ها شناسایی و حجم ترافیک مربوط به آن ها شبیه سازی و پیش بینی گردد. از جمله محورهای در نظر گرفته شده، می توان به محورهای آزادراهی همچون محور قم- تهران و محور تهران- کرج و از جمله راه های اصلی می توان به محور رودهن- دماوند و محور حسن آباد- تهران (قسمتی از جاده قدیم قم- تهران) اشاره کرد. با استفاده از هریک از روش های بیان شده، حجم روزانه ترافیک در نمونه های مورد بررسی، پیش بینی شده و نتایج هریک مورد بحث و بررسی و مقایسه قرار می گیرد. نتایج نشان داد که روش شبکه عصبی- ژنتیک همراه با تحلیل اجزای اصلی دارای دقتی بالا در پیش بینی هدف مورد نظر بوده و با توجه به اینکه بر اساس پارامترهای بومی کشور پایه ریزی شده است، قابلیت استفاده در کاربردهای عملی در کشور عزیزمان ایران را دارا می باشد.