摘要：在经济急速发展的21世纪，随着国民经济水平的不断提高，汽车开始成为绝大多数家庭的必需品，因而不可避免的带来严重的交通压力。与此同时，新兴智能交通系统的出现及时缓解了这一重要问题，而短时交通流预测就是智能交通系统设计中关键的一项数据来源。短时交通流数据在很大程度还上可以帮助管理部门优化处理交通数据缓解路网压力，并在以后的相同时段提供重要的数据参考。

关于短时交通流的预测，国内外学者研究出众多不同的预测方法，但各种方法之间各有优劣，因此将各种方法组合进行预测会使预测结果更具合理性。本文根据数据的收集及处理方法择优选择了时间序列预测模型，RBF神经网络预测模型及两种模型组合的变权与定权组合预测模型结合实际交通流量验证了几种预测模型的精度与实用性。

预测结果证实了组合预测模型相较于单项预测模型预测结果更加科学准确，变权组合模型相较于定权组合模型又更加精确稳定。对于交通流此类复杂多变性的数据，使用组合预测模型预测将会是今后研究的大方向之一。

关键词：交通预测；组合预测模型；短时交通流

目  录

摘  要

ABSTRACT

第一章 绪论-1

1.1 研究背景和意义-1

1.2 国内外研究现状-2

1.3 研究内容和技术路线-3

1.3.1 研究内容-3

1.3.2 探究方法与技术路线-4

1.4 本章小结-5

第二章 短时交通流特性-6

2.1 短时交通流的基本特性-6

2.2 短时交通流主要特征参数-6

2.3 交通流调查原则-7

2.4 本章小结-7

第三章- 短时交通流预测模型-8

3.1 时间序列预测模型-8

3.2 RBF神经网络序列模型-8

3.3 组合预测模型-9

3.4 本章小结-10

第四章 加权组合预测模型-11

4.1 定权重组合预测模型-11

4.2 变权重组合预测模型-12

4.3 本章小结-13

第五章 仿真实例分析-14

5.1 数据来源-14

5.2 单项预测模型计算-14

5.3 组合预测模型计算-15

5.3.1 定权组合模型权系数计算-16

5.3.2 变权组合模型权系数计算-16

5.4 组合预测模型性能评价-16

5.5 本章小结-18

第六章 结论与展望-19

6.1 结论-18

6.2展望-19

参考文献-20

致谢-22