文献综述（或调研报告）：
1.背景
城市交通拥堵是一个严重影响人们生活质量的问题，特别是大城市。因此，使用科学技术来应对城市地区的拥堵势在必行。先进的交通控制技术可以更有效地利用现有基础设施如道路网络系统来减少交通拥堵并提高出行的安全性。但是这些策略要想成功在很大程度上取决于驾驶员所得到的信息的准确性。
为了解决这个问题，智能交通系统技术近年来一直用于处理城市拥堵问题上。它成功的关键方面之一是提供准确的实时信息和交通参数的短期预测，如交通量，行驶速度和占用率等。
移动互联网时代的开启使得每个出行者都成为了交通信息的贡献者，超大规模的数据在云端进行处理和融合生成城市全时段，无盲区的交通信息。基于互联网交通信息建立算法模型，精准预测各关键路段在某个时段的通行时间，实现对交通状态波动起伏的预判，助力社会智慧出行和城市交通智能管控。最终通过计算预测值和记录真实值之间的误差进行统计检验。
2.模型
2.1神经网络
RBF神经网络在两个相邻数据波动较大时，简单误差最小，简单误差的方差不稳定，车流量不同时波动比较大。BP神经网络简单误差的方差稳定，车流量不同时波动比较小，适合研究车流量稳定的交通流问题。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
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。
