摘要：随着我国城市经济水平的迅速提高,交通基础设施建设加快,城市交通需求大幅增加,交通供需矛盾日益突出,交通拥堵、交通污染、交通事故频发、泊车难等一系列问题已成为制约社会与经济发展的瓶颈。根据研究发现，智能交通系统是缓解交通拥堵、交通事故的有效途径之一，而交通流的实时预测是智能交通系统的重要一部分。因此，交通流预测的研究对智能交通系统的发展和社会可持续发展有着重要的作用。

短时交通流是实时变化的，目前的用于短时交通流预测的模型有基于灰色系统理论的预测模型、线性回归模型、时间序列模型、卡尔曼滤波模型等。基于灰色系统理论的预测模型是在于构建微分方程来发现数据的本质规律，也易于计算与检验，且对于数据较少的短时交通流预测有较好的适用性。离散灰色预测即DGM(1,1)预测是灰色系统理论中的一种，本文对离散灰色预测的建模机理进行研究，考虑到初始值可能对整体的规律有所偏差，对初始数据加了一个修正项，利用最小二乘法建立无约束优化模型，并将优化的离散灰色预测模型运用于交通流的预测中。

在通过对短时交通流的预测中，得出离散灰色预测模型适用于短时交通流的预测，且通过预测数据与原始数据的比对，可得出优化后的预测模型的误差更小，精度更高。

关键词：交通流预测；DGM（1，1）模型；优化；智能交通系统

目  录

摘  要

ABSTRACT

第一章 绪  论-1

1.1 研究背景和意义-1

1.2 国内外研究现状及发展趋势-1

1.3 主要研究内容-2

1.4 文章结构-4

第二章 交通流理论-5

2.1 交通流的概念-5

2.2交通流的分类-5

2.3 交通流的特性-6

2.4 短时交通流预测特性-7

2.5 交通流量调查方法-9

2.6 本章小结-11

第三章 灰色预测-12

3.1 灰色预测的概念-12

3.2 灰色预测的分类-12

3.3 传统的DGM(1,1)模型-12

3.3.1 传统的DGM（1,1）模型建模步骤-13

3.3.2 精度检验-15

3.4 优化的DGM(1,1)模型-16

3.5 本章小结-17

第四章 实例分析-18

4.1 数据的来源-18

4.2传统的DGM（1,1）模型预测-19

4.3 优化的DGM（1，1）模型预测-21

4.4 预测结果分析-23

4.5 本章小结-23

第五章 结论与展望-24

参考文献-25

致  谢-27