基于BP神经网络的短时交通流量预测模型设计的文献综述
1前言
城市交通拥堵问题目前已经成为困扰全球众多城市的“顽疾”。同一种问题，在不同城市乃至同一城市的不同区域，因影响因素变动或多因素叠加权重的不同，将会表现出差异化的特征。交通拥堵是与城市快速化发展相伴而生的产物。据统计,我国各大城市中 90%的主要路口和路段已处于饱和或超饱和状态。城市交通拥堵一方面体现了城市的活力，另一方面又掣肘着城市的发展、影响着市民的生活[1]。
短时交通流量预测能够为出行者提供实时有效的信息,帮助他们更好地进行路径选择,从而实现路径诱导,最终达到节约出行者旅行时间,有效缓解道路交通拥堵,节约能源、减少污染等目的。为此，许多专家和学者对于短时交通流量预测的方法作了大量的研究,同时也采用了不同的研究预测方法，但是研究预测方法各有各的优缺点，所以预测结果会与实际有一点偏差。因此，找到合适的短时交通流量预测方法对解决城市交通拥堵问题有重大意义。
2正文
2.1研究背景
智能交通系统被认为是减少汽车尾气排放污染，缓解道路交通拥堵、和交通事故等一系列交通问题的有效方法之一。而道路交通流量预测预报是智能交通系统的关键技术之一，亦是其核心内容，交通流量是判别道路交通状态的一个关键因素。短时交通流量预测是实现交通控制及车辆导航的技术基础。
一般认为 t到 t Delta;t 之间的预测时间跨度为 5 至 30 分钟的预测为短时交通流量预测，是微观意义上的预测。因此，合理科学的城市公交客运量预测，对城市和公共交通的可持续发展起着尤为重要的作用。短时交通流量预测的结果可以直接作为输入，送到先进的交通信息服务系统（Advanced Transportation Information Service system, ATIS）和先进的交通管理系统（Advanced Traffic Management System, ATMS）当中，给出行者提供实时有效的信息，帮助他们更好地进行路径选择，实现路径诱导，以缩短出行时间，减少交通拥挤[2]。
能否对短时交通流量进行实时准确的预测对实现交通控制和诱导起到了至关重要的作用。因此，对短时交通流量预测方法的研究具有十分重要的意义。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
