基于BP神经网络的交通流量预测

交通信息预测是智能交通控制、交通诱导、交通信息服务等智能交通系统（ITS）实现的重要基础，是ITS领域的重要理论之一，而交通流预测问题又是交通信息预测的核心问题。因此，进行交通流量预测理论体系的研究，是开发实用、智能化的交通量预测系统的前提，对于改善我国交通拥堵问题，具有十分重要的学术价值和现实意义。多年来，交通预测者一直将提高交通信息预测的可靠性作为研究重点。 论文将神经网络技术研究与交通信息预测研究紧密结合，将神经网络技术应用于交通流量预测；结合实际数据，采用BP神经网络、RBF神经网络、小波神经网络，使用Matlab平台实现预测，并使用Matlab提供的图形界面开发环境GUIDE，实现了BP神经网络的图形化界面仿真。 论文首先通过新浪网的调查数据，说明我国面临的严重交通问题；其次，参考国内外解决交通问题的措施，总结共同点，引出了论文的研究重点交通流预测；接着，在总结国内外研究成果的基础上，对已有的交通流预测方法进行了研究，通过分析将现有的方法分为常规预测和智能预测，并对每种研究的基本方法进行了具体介绍；再次，重点研究了智能预测中的人工神经网络理论，介绍了神经网络的发展、特点、结构以及学习理论，分析了BP、RBF、小波神经网络的具体步骤，为交通流预测的实现奠定理论基础；然后，结合实际交通流量观测数据，分析了将BP、RBF、小波神经网络理论应用于交通流量预测的过程，详细描述了网络参数的选取过程，并使用Matlab平台实现预测，通过对比预测结果，认为BP神经网络的预测效果较好；最后，采用Matlab提供的图形化界面开发环境，设计实现了BP神经网络的图形界面仿真。