پیش بینی میزان ترافیک شهری یکی از مهمترین موضوعات در تحقیق و بررسی مساله ترافیک می باشد. اهمیت این موضوع به حدی است که در سال های اخیر تحقیقات زیادی را به خود جلب کرده است. در این پایان نامه از الگوهای سری های زمانی و روش های یادگیری ماشین برای پیش بینی میزان ترافیک شهری استفاده می شود. اساس این پایان نامه بدین صورت است که ابتدا مروری بر کارهای انجام شده در زمینه پیش بینی ترافیک داریم و سپس روند مدل سازی سری های زمانی را بیان می کنیم. روش نوینی که در این پایان نامه استفاده شده، روش ماشین بردار پشتیبان است. از این روش در زمینه طبقه بندی الگوها استفاده می شود. اخیراً از اصول این روش برای پیش بینی سری های زمانی و مسائل رگرسیونی که الگوی غیرخطی دارند، استفاده شده است. مشکل عمده این روش، تنظیم پارامترهای آن است. به منظور حل این مشکل از الگوریتم ترکیبی مورچه گان و ازدحام ذرات استفاده شده است. در نهایت یک مثال مربوط به یکی از خیابان های شهر شیراز به منظور کارایی و مقایسه سازی روش پیشنهادی با الگوهای سری های زمانی، ارائه شده است.