摘要：城市化进程不断加快，交通问题日益严重，影响人们的日常出行。短时交通流预测对解决道路拥堵等问题有着重要的作用，是智能交通系统中主要研究内容之一。精准的预测信息能够让交通有效运行。合理的短时交通流预测模型是解决问题的关键，对不同的数据构建相应的模型成为研究的重点。

本文提出了一种灰色神经网络组合模型，通过灰色预测模型和BP神经网络模型的结合，对短时交通流进行预测。组合模型先使用灰色预测模型，对原始数据进行生成处理，建立相应的微分方程求解，然后将得到的结果作为BP神经网络模型的输入同时将实际值作为输出，通过数据训练得到各个神经元之间的权值与阈值，构建网络，进行仿真输出预测值，构建灰色BP神经网络模型。通过结合两个模型的特点，使短时交通流预测结果更加合理、准确。

通过对江苏省连云港市灌南县道路的交通量的实例研究，得出结论：灰色BP神经网络模型在短时间隔内预测交通流量较为准确，拟合效果较好。在8分钟的短时交通流预测当中，组合模型比单一的GM(1,1)模型和BP神经网络模型具有更高的预测精度。

关键词：短时交通流；灰色模型；BP神经网络

目  录

摘  要

ABSTRACT

第一章 绪  论-1

1.1 研究背景和意义-1

1.1.1 研究背景-1

1.1.2 研究意义-2

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 本文的主要内容-3

1.3.2 技术路线-4

第二章 理论基础-6

2.1 交通流特性分析-6

2.2 交通流预测流程-7

2.3 短时交通流预测模型建立原则-8

2.4 本章小结-9

第三章 灰色预测模型-10

3.1 灰色理论-10

3.2 灰色GM(1,1)模型-10

3.3 本章小结-12

第四章 BP神经网络模型-13

4.1 人工神经网络概述-13

4.2 BP神经网络-14

4.3 本章小结-17

第五章 灰色BP神经网络组合模型-18

5.1 组合模型-18

5.2 实例分析-19

5.2.1 数据来源-19

5.2.2 预测效果分析-19

5.3 本章小结-21

第六章 结论与未来展望-22

6.1 总结-22

6.2 未来展望-22

参考文献-24

致  谢-26

附录一：灰色预测模型与BP神经网络模型Matlab编码