摘要：车辆的不断普及虽然给人们带来了出行便利，但也对城市交通、自然坏境、人们生活等方面提出了巨大挑战，交通堵塞等问题也日益严重，所以有效的解决这些问题迫在眉睫。 

本文通过GM（1,1）模型基于过去车辆数据对未来时间段进行车流量预测，通过收集南通市5个路口车流量数据利用加权平均移动法(MA)进行平滑处理和线性回归，消除数据的随机因素和季节因素。再利用GM(1,1)模型结合预处理后的数据，得出规定时间段车流预测值，最后通过季节趋势参数，优化修正计算出来的预测值的数据，得出最后相对准确的预测值。

本文分析车流规律，结合科学的数学模型，拟合预测出数值，为人们出行计划、城市交通合理规划等提供参考价值和指导意见，对及时发现城市交通问题，改善和优化交通现状具有深远意义。

关键词：交通流预测；GM模型；可视化；机器学习

目 录

摘 要

ABSTRACT

绪论-1

1.1 研究背景-1

1.2 研究目标与必要性-1

1.3 现状-2

1.4 研究内容和技术路线-2

1.4.1 研究内容-2

1.4.2技术路线-3

1.5 应用对象及环境-4

1.6 全文组织-4

第二章  相关技术-5

2.1 开发工具-5

2.1.1 Pycharm-5

2.1.2 Google Chrome-5

2.1.3 Oracle 11g-5

2.1.4 PL/SQL Developer-5

2.2开发技术-6

2.2.1前端开发技术-6

2.2.2后台开发技术-6

2.3 开发及运行环境-7

第三章  可行性分析-8

3.1 技术可行性分析-8

3.2 经济可行性分析-8

3.2.1 主要成本-8

3.2.2 预期收益-8

3.3 社会可行性分析-8

3.4 业务需求分析-9

3.5 用户需求分析-9

3.6 功能性需求分析-9

3.6.1用户端-9

3.6.2 后台管理端-10

3.7 非功能性需求分析-11

3.8 本章小结-12

第四章  系统分析与设计-13

4.1 系统功能分析-13

4.1.1 系统功能图-13

4.1.2 设计思路-13

4.2 程序流程图-15

4.3 数据库概念设计-16

4.3.1 数据库逻辑结构设计-17

4.4 指定路口车流量预测研究-19

4.4.1 模型研究与分析-19

4.4.2 数据处理-20

4.4.3 基于GM(1,1)灰度模型的短时交通流预测模型-20

4.5 基于GM(1,1)模型的短时交通流预测模型——数据预处理-23

4.5.1 基于加权平均移动法的数据平滑预处理-23

4.5.2基于趋势值的数据预测修正后处理-24

4.6 本章小结-25

第五章  可视化设计与实现-27

5.1 可视化设计-27

5.1.1 逻辑架构和工作机制-27

5.2 后台管理端实现-28

5.2.1 车辆信息管理-28

5.2.2 用户信息的增删改查-30

5.3 Web前端实现-31

5.3.1 首页-31

5.3.2 百度地图可视化-32

5.3.3 E-chart可视化-32

5.3.4 五大路口拥堵情况展示-34

5.3.5 指定时间的车流查询-34

5.3.6 指定时间的车流预测-35

5.3.7 指定时间的车流预测-35

5.4 软件测试-36

5.4.1 软件测试的目的-36

5.4.2 测试范围-36

5.4.3 测试结果-36

5.4.4 测试结果分析-37

5.5本章小结-37

第六章  总结与展望-39

6.1 本文的主要成果-39

6.2 下一阶段工作-39

参考文献-40

致谢-42