مدیریت مناسب ترافیک شهری مستلزم پیش‌بینی کوتاه‌ مدت وضعیت تردد بزرگراه‌ های شهری است. در صورت پیش‌ بینی جریان آینده نزدیک (چند دقیقه بعد) هدایت جریان از طریق تابلوهای پیام متغیر نصب‌ شده در بزرگراه‌ها امکان‌پذیر می‌شود. وضعیت جریان ترافیک در بزرگراه‌ های شهری از عوامل مختلفی تأثیر می‌گیرد و پیوسته در حال تغییر است ، در نتیجه معمولاً پیش‌بینی شهودی آن امکان‌ پذیر نیست. مقاله‌ی حاضر به توسعه روشی برای پیش‌ بینی کوتاه‌ مدت جریان ترافیک می‌پردازد. مقاله حاضر با استفاده از تبدیل موجک ، فرکانس‌های اصلی سیگنال تردد را استخراج نموده و سپس وضعیت تردد پنج دقیقه آینده را با استفاده از شبکه عصبی پیش‌بینی نموده است.نتایج پیش‌بینی جریان با استفاده از مدل ترکیبی تبدیل موجک – شبکه مصنوعی عصبی نسبت به مدل‌های آماری و مدل ساده شبکه مصنوعی عصبی از دقت بیشتری برخوردار است. بهترین نتیجه با استفاده از موجک هار با یک فرکانس اصلی و سه فرکانس فرعی بدست  آمد. ساختار نهایی قادراست حجم تردد در 5 دقیقه آینده را با میانگین خطای مطلق 7/43 پیش‌ بینی نماید.