針對復(fù)雜交通路段下的短時交通流量模型的參數(shù)估計問題，建立了基于宏觀交通流量預(yù)測的狀態(tài)空間模型，提出了基于正交自適應(yīng)差分演化的無跡卡爾曼濾波（UKF）算法，解決交通流量預(yù)測動態(tài)模型的參數(shù)優(yōu)化問題。對差分演化算法（DE）的初始化過程，使用基于正交設(shè)計和量化技術(shù)的交叉算予最大限度地提高種群的多樣性，平衡差分演化算法的開采性和勘探性，更高效地搜索無跡卡爾曼濾波的模型參數(shù)。并針對UKF、DE的不同情況，分別采用不同的自適應(yīng)策略提高調(diào)節(jié)算法性能。實驗結(jié)果表明，相對于單獨使用隨機分布的方式初始化，或者根據(jù)經(jīng)驗設(shè)置模型參數(shù)的方法，使用正交設(shè)計方法的初始化策略、變異算予以及參數(shù)自適應(yīng)控制策略的差分演化算法能夠有效地節(jié)省計算資源，提升預(yù)測性能和精度，具有更高的魯棒性。