%% 清空环境变量 clc clear %% 网络参数配置 load traffic_flux input output input_test output_test M=size(input,2); %输入节点个数 N=size(output,2); %输出节点个数 n=6; %隐形节点个数 lr1=0.01; %学习概率 lr2=0.001; %学习概率 maxgen=100; %迭代次数 %权值初始化 Wjk=randn(n,M);Wjk_1=Wjk;Wjk_2=Wjk_1; Wij=randn(N,n);Wij_1=Wij;Wij_2=Wij_1; a=randn(1,n);a_1=a;a_2=a_1; b=randn(1,n);b_1=b;b_2=b_1; %节点初始化 y=zeros(1,N); net=zeros(1,n); net_ab=zeros(1,n); %权值学习增量初始化 d_Wjk=zeros(n,M); d_Wij=zeros(N,n); d_a=zeros(1,n);
d_b=zeros(1,n); %% 输入输出数据归一化 [inputn,inputps]=mapminmax(input'); [outputn,outputps]=mapminmax(output'); inputn=inputn'; outputn=outputn'; %% 网络训练 for i=1:maxgen %误差累计 error(i)=0; % 循环训练 for kk=1:size(input,1) x=inputn(kk,:); yqw=outputn(kk,:); for j=1:n for k=1:M net(j)=net(j)+Wjk(j,k)*x(k); net_ab(j)=(net(j)-b(j))/a(j); end temp=mymorlet(net_ab(j)); for k=1:N y=y+Wij(k,j)*temp; %小波函数 end end
第三章交通量分析及预测 3.1现状交通调查及分析 3.1.1项目影响区的确定 项目影响区根据对项目的影响程度，分为直接影响区和间接影响区，一般按行政区域划分。根据对各地区经济和交通的影响程度以及区域内物流和车流集散的特点，结合各地区社会经济、交通运输现状和路网状况，本项目直接影响区为彭山区，间接影响区包括眉山市、新津县等。 3.1.2交通现状分析 1、交通现状 随着城市建设用地的变化及产业结构的调整，步行和自行车出行仍然是居民的主要交通方式，但重要性有所下降，两轮电动车的出行比例已上升至10.1%，汽车出行增长较快，达到12.5%，公交车比例仅为14.7%。彭山区私家车发展势头强劲，将成为未来城市机动车增长的主要因素。 2、项目影响区交通现状及规划条件 城市交通状况的恶化和城市规模不断扩大、人口不断增加关系十分密切，当然这也是城市发展过程中必然会遇到的问题。当前我们正处在快速城市化和快速机动化交织的历史时期，城市交通压力急剧增加，过去五年彭山区机动车每年以10.8%的速度增长，而同期道路的增长速度远低于此。彭山区城范围内现状主次干道路网密度2.44公里/平方公里，城市支路路网密度更低，而城市主干道和支路的平均容积率要达到规划水平，还存在有很大差距。因此加大路网建设力度仍然是解决城市交通问题的重要途径。 3.2 交通量预测方法 交通量预测分析的目的是通过对片区路网的分析，研究项目建设给片区经济发展所带来的交通影响及其程度，判断在当前这种交通路网的承载能力下的影响，能否在可接受的范围内，并确定合理的项目出入口位置。道路断面的设置形式是否合理，满足交通功能的要求是最基本的条件。设计通行能力低于设计交通量的道路形式是不合适的，因为它容易造成片区路网的交通拥挤，甚至发生交通堵塞，要求设计通行能力必须大于设计交通量。另一方面，通行能力也不能过大，否则使道路资源不能充分利用，必然造成大量的浪费。
河北工业大学 硕士学位论文 基于神经网络的交通流预测研究 姓名：彭进 申请学位级别：硕士 专业：模式识别与智能系统 指导教师：赵晓安 20081101
河北工业大学硕士学位论文 基于神经网络的交通流预测研究 摘要 作为智能交通系统的核心内容之一，智能交通控制与诱导系统一直是智能交通研究的热门课题。城市交通流控制与诱导系统的实现将有效地减少交通拥挤和城市环境污染，提高道路通行能力和改善交通安全状况。而实时、准确的交通流量预测正是这些系统实现的前提及关键，交通流量预测结果的好坏直接关系到交通控制与诱导的效果。交通控制与诱导系统需要在做出控制(诱导)变量决策的时刻对下一决策时刻乃至以后若干时刻的交通流量做出实时预测。 目前，我国普遍采用遥感微波检测器或环形线圈检测器检测实时交通流量。但是，对于一个完善的交通流诱导系统而言，采用实时检测设备检测的交通流信息具有滞后性。因此，实现城市交通流诱导系统的关键是道路交通状况的预测，也就是采用相应的技术，以有效地利用实时交通数据信息滚动预测未来一段时间内的交通状况。根据预测的交通流信息实现交通流的诱导，以避免交通拥挤，实现交通的畅通。 本文主要研究人工神经网络在实时交通流预测中的应用。在应用人工神经网络预测交通流量方面提出了有效的途径。本论文的主要研究工作为： (1)介绍了交通流预测系统基本概念及理论框架，并提出了路段短时交通流预测 模型； (2)利用BP神经网络的优势，提出了一种改进型BP网络算法。实验结果表明 该算法在路段短时交通流预测方面有着优良的效果； (3)结合递归Elman网络和BP网络的优点，提出了一种综合型交通流预测算法。 该算法具有较强的非线性函数逼近能力和学习能力，为路段短时交通流预测 提供了一种有效的途径。 关键词: 交通流，人工神经网络，BP网络，Elman网络，预测 i
由于经济和人口因素发生变化，道路整改后，这个区域内的交通量会发生一定的增长，对这种增长的交通量预测称为趋势交通量预测。预测时，以路段交通量的增长与其影响区的经济增长之间的关系，采用多元回归法进行预测。 1、影响区系数 影响交通量变化的相关指标有人均国民生产总值、人均国民收入、车辆拥有量等，利用数理统计知识，将各交通区经济指标与相应交通区的客货运量进行回归分析总结，得出各指标的相关系数，取最大相关系数对应的指标作为最相关指标，根据相关指标增长率确定路段的影响区系数。 影响区系数： ij ak k L m L m /)(∑= 式中，k L ：路段在影响区内的里程 ak m ：为影响区域内的最相关指标增长率 ij L ：路段的总里程 2、正常交通量预测模型 m A A i i Q Q y y n n 101+==- 式中，n Q ：远景第n 年的路段交通量 1 -n Q ：远景第1-n 年的路段交通量，当1=n 时为基年交通 量 y i ：交通量增长率 A ，1A ：待定参数，根据历史年份的y i ，m 用最小二乘法 确定
本项目建成后，线路通行能力提高，从而导致部分交通量从其他路线转移到本项目路线上来。这部分交通量是由于道路的建成而产生的，同时也构成了这一路网的基本交通量。因此合理地确定转移交通量对道路交通量分析和预测具有重要作用。 1、交通阻抗 确定交通阻抗是转移交通量和诱增交通量预测的关键步骤之一，交通阻抗是指路网中路段或路径的运行距离、时间、费用、舒适度或者这些因素的综合。我们这里针对城市里居民出行考虑的首要因素，选取平均行驶时间作为路段的交通阻抗。 3 321)/(])/(1/[/C Q C Q U U U L t x ααβαβ+=+== 式中，t ：交通阻抗 U ：车辆平均行驶速度，h km / x U ：道路的设计车速，h km / 1α，2α，3α：回归参数 Q ：交通量，辆/h 2、相关路段转移交通量预测 （1）转移交通量计算公式 ro r r r Q Q Q P Q P Q t t c t t c c t c t c t P c t c t c t P -=?=+=+=-+--=-+--=0011100111111000000/2/)(2/)()]/exp()//[exp()/exp()]/exp()//[exp()/exp(σσσσσσ 式中，0t ，1t ：道路建成前、后的交通阻抗
城市轨道交通客流预测与分析方法 摘要：随着时代的发展，我国人民群众出行的需求量越来越大，城市轨道交通 也就得到了良好的发展，对城市轨道交通进行客流预测有利于对城市轨道交通进 行更好的建设，以保障其能够尽可能的满足我国人民群众的出行需求，所以接下 来在本文中，笔者将主要对城市轨道交通客流预测与分析方法进行探究。 关键词：城市轨道交通；客流预测、分析方法 自1965年我国北京第一条地铁建设至今，我国城市轨道交通的发展已经具有了 半个世纪的历史，当今我国已经全面建成小康社会，并积极推动社会主义现在化 的发展，同时发展城市轨道交通已经被列入了国民经济的计划发展之中，其有利 于促使我国城市化率不断得到提高，并且为了保障我国人民群众的出行需求得到 满足，我们需要采取相应的方式，促使我国城市轨道交通得到快速健康的发展[1]。 一、进行城市轨道交通客流预测的重要性 所谓客流预测，就是在城市总体规划和综合交通规划的基础上，对未来的交 通需求状态进行一个量化的描述。在我国城市轨道交通项目的规划和建设之中， 有诸多的问题需要通过对客流预测所得到的数据进行支持。就目前为止，我们面 临的主要需要通过客流预测进行判断和解决的问题如下：第一，对于城市轨道交 通工程进行建设具有一定的必要性和迫切性；第二，对城市轨道交通的车辆选型 以及交通制式的选择进行确定；第三，对城市轨道交通的系统设计运能、行程密度、行车交路等进行确定；第四，对车站的基本规模以及站台的长度、宽度、出 入口的宽度等进行确定；第五，对机电设备系统进行选择；第六，对售票检票系 统的制式和规模进行选择，并对票价进行拟定；第七，对运营成本以及经济效益 进行核算。 所以说，进行客流预测工作对于城市轨道交通的规划、设计以及各方面的前 期工作来说具有重要的意义，甚至我们可以说，对城市轨道交通进行客流预测， 并对其结果进行相应的分析和应用，能够为城市轨道交通的设计工作以及建设工 作打下重要的基础，所以目前我们已经对国内城市轨道交通线网规划、建设规划 以及轨道交通项目工程的可行性进行研究。 二、进行城市轨道交通预测的主要内容 根据我国城市轨道交通相关的工程项目建设标准，在对城市总体进行规划和 对轨道交通线网进行规划的前提下，我们对不同的设计年限以及不同的城市轨道 交通进行客流预测的成果主要如下： （一）全网客流 各条线路全日客流总量；各条线路高峰小时客流总量。 （二）全线客流 全日客流量；各小时段的客流量；全日的平均运距；高峰小时的平均运距； 全日各级运距的乘客量。 （三）车站客流 全日各车站的乘降量；早高峰小时各车站的乘降量；晚高峰小时各车站的乘 降量；全日站间断面流量；早高峰小时站间断面流量；晚高峰小时站间断面流量；超高峰系数；突发客流。 （四）OD客流
交通流预测方法 随着社会经济和交通运输业的不断发展，交通拥挤等交通问题越来越凸现出来，成了全球共同关注的问题。那么对于交通流的预测不仅是城市交通控制与诱导的基础，还是解决道路拥堵问题的关键。如果能精确的预测交通网中各个支路上的汽车流量，那么我们可以运用规划方法对交通流进行合理的优化，从而使得道路的利用率达到最大，也可以解决部分拥堵问题。在新建道路的前期也需要对兴建道路的车流量进行一个长期的交通预测，从而对道路的经济效益进行评估，对论证道路修建的可行性研究提供依据。由此可见，对交通流的预测是必要的，在本课题中我对四公里立交车流作一个最优函数估计，旨在对四公里立交的车流进行精确预测。 交通流理论是研究交通随时间和空间变化规律的模型和方法体系。多年来交通流理论有了较快的发展，众多学者在这一研究方向做出了许多优秀的成果，将交通流理论运用于交通运输工程的许多研究领域，如交通规划、交通控制、道路与交通设施设计等。 预测方法从大体上可分为定性预测与定量预测。定性预测中主要有相关类比法、德尔菲法等；定性预测则分为因果分析、趋势分析智能模型。因果分析主要方法有线性回归、非线性回归等模型；趋势分析主要有时间序列模型、趋势回归模型等；智能模型主要包括神经网络模型和非参数回归模型。 短期交通流的预测方法较早期的有：自回归模型（AR）、滑动平均模型（MA）、自回归滑动平均模型（ARMA）、历史平均模型（HA）和Box-Cox法等，随着该领域的发展，预测方法不断趋于精确，在大批学者的共同努力下出现了许多更加复杂、精度更高的预测模型。大体来说可分为两类：一类是以数理统计和微积分等传统的数学方法为基础的预测模型，主要包括：时间序列模型、卡尔曼滤波模型、参数回归模型等；第二类是以现代科学技术和方法（如模拟技术、神经网络、模拟技术）为主要研究手段而形成的短期预测模型，该种方法不追求严格意义上的数学推导和明确的物理意义，更加重视与现实交通流量的拟合接近程度，该种方法主要包括非参数回归模型、KARIMA算法、基于小波理论的方法、谱分析和多种与神经网络相关的复合预测模型等。现阶段广泛应用的主要有以下四种模型。 历史平均模型Stepehanedes于1981年将此方法应用于城市交通控制系统中。其特点有算法简单，参数可用最小二乘法进行估计，操作简单，速度快，但其由于它是一种静态的预测方法，不能反映动态交通流基本的不确定性和非线性性，无法克服随即干扰因素的影响。 时间序列-ARIMA模型由Ahmed和Cook于1979年首次在交通领域提出。在大量连续数据的基础上，此模型没有较好的预测精度，但需要复杂的参数估计，且其对历史数据的依赖性较高，成本较高。该方法技术比较成熟，特别适用于稳定的交通流。该模型只是单纯从时间序列分析的角度进行预测，没有考虑上下游路段之间的流量关系。 神经网络模型人工神经网络诞生于20世纪40年代，Schin 于1992年用之于长期的交通预测，1993年1994年Dougherty 和Clark 分别将其应用于短期交通预测。该方法在一定程度上摆脱了建立精确数学模型的困扰，为研究工作开辟了新的思路。应用较广泛的有BP神经网络-误差反传神经网络模型、单元神经网络模型、基于谱分析的神经网络模型、高阶神经网络模型和模糊神经网络模型等方法 非参数回归模型，由Davis和Smith于1991年应用到交通预测领域，该预测方法是一种适合不确定性、非线性的动态系统的非参数建模方法。无需先验知识，只需足够的历史数据。 鉴于道路交通系统的非线性、复杂性和不确定性等特征，许多无模型的预测方法被应用到短期的交通流预测当中，且取得了良好的效果，研究发现，考虑上下游道路流量的关系的预测方法更能反映实际情况，比起单纯的时间序列预测方法更加贴合实际，有更大的发展空间。
短时交通流预测研究综述 摘要：道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础。本文概述了道路交通流预测方法的发展历程,分析比较了各预测模型的优点、缺点及适用情况,给出了道路交通预测的一般流程。对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于检测器优化选择的短时交通流预测算法的预测方法。将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;以预测的均方误差最小为目标函数，通过遗传算法优化选择合适的检测器，以小波神经网络作为预测算法进行短时交通流预测具有很高的精度和适用性。 关键词：交通工程；交通流理论；短时交通流；预测模型;神经网络算法 Research on Short-Time Traffic Flow Forecasting Methods LIU Jia-tong (1. Department of Bridge Engineering, School of Highway, Chang’an Unversity) Abstract:Prediction of road traffic flow is one of the key technologies of intelligent transportation system. This paper summarizes the development of road traffic flow forecasting methods, analyzes and compares the advantages, disadvantages and application of each forecasting model. The existing prediction methods are classified based on the method of statistical analysis: Based on the theory and methods of nonlinear theory and traffic detector based on the optimal selection of flow prediction algorithm based on prediction method and neural network method. The prediction effect of comprehensive prediction model of artificial neural network model and other fields combined than single neural network prediction model and the conventional prediction; to minimize the mean squared error as the objective function, the genetic algorithm to choose the appropriate detector with the wavelet neural network as prediction algorithm of short term traffic flow forecasting high precision and applicability. Keywords:Transportation Engineering; Traffic Flow Theory; Short-termTraffic Flow; Prediction Model; Neural Network Algorithm
3.3 交通预测及分析 3.3.1 预测的总体思路 3.3.1.1 概述 路网交通量预测分析是城市交通规划和城市道路建设规模和标准的主要依据，预测结果将直接影响到项目建设的决策。本项目交通预测可划分为以下两个部分，预测过程也相应分别进行，最后累加得到总的预测交通量。 背景交通量预测——由两部分构成，其一为背境交通量，即相关道路上的穿越交通量，起止点均在项目范围之外，主要由项目相关道路的现有交通量在研究期限内相应增长而得到；其二为研究区域内其它新建项目的交通量，由交通影响范围内其它建设项目所产生的交通量，在道路网上分配而获得。背景交通量预测采用国际通用的四步骤预测法，并利用国际上较为流行的交通规划软件（TransCAD）作为计算工具。通过对现状与规划资料（土地、人口、社会、经济、交通）的调查研究，通过进行交通小区的划分，并据此建立交通模型。通过社会经济发展预测、城市土地使用规划，得到交通生成量；采用重力模型进行收敛计算，得到小区分布交通量；通过交通方 式划分，得到机动车的出行量；采用均衡分配法进行分配，得到拟建项目的路段及交叉口流量。 拟建项目交通量预测——根据项目的建设性质及规模，预测目标年的项目交通生成量，即交通产生量与吸引量。在此基础上进一步对其进行交通分布和交通分配，将因项目而产生的交通量分配到周围道路上，得到拟建项目交通量。交通需求预测主要根据该项目的开发强度及不同用地类型出行发生和吸引率，预测该开发项目目标年内部生成的交通需求。 图3-24 交通量预测流程图 3.3.1.2 预测依据 预测的主要依据如下： 1）《珠江三角洲地区改革发展规划纲要（2008-2020）》 2）《眉山城市空间发展战略（眉山2030）》 3）《眉山市国民经济和社会发展十一五规划纲要》 3）《眉山市城市总体规划（2009-2030）》 4）《眉山市城市规划条例》 5）《眉山市城市规划技术标准与准则》 6）《眉山市城市交通规划》（1999-2020） 7）《横琴新区城市总体规划（2009-2020）》广东省城乡规划设计研究院8）《横琴新区控制性详细规划》（广东省城乡规划设计研究院） 9）《眉山市统计年鉴2009》 10）《眉山重大交通基础设施布局集疏运网络规划》
精心整理城市轨道交通客流预测方法 目前, 对城市轨道交通线路客流预测尚处于探索阶段。中国城市轨道交通客流预测模式主要分为3 类:1、非基于现状OD(起点) 客流的预测模式, 将相关的公交线路客流和自行车流量向轨道交通线路转移, 得到轨道交通客流; 2、基于现状OD , ,轨 , 并 考虑到高峰小时与全日出行分布规律的差异性, 建议分别构建全日客流O D 矩阵和高峰小时客流OD 矩阵,然后通过相应的分配过程, 得到轨道交通线路的全日客流指标和高峰小时客流指标 2 全日出行的发生( 吸引) 和分布预测
2. 1 各交通小区全日出行的发生( 吸引) 预测交通小区的日发生量与人口数相关、吸引量与就业岗位数相关, 并服从指数关系。 其计算式为： i , j=1,2,…,n 式中: G i为交通小区i的发生量; A j为交通小区j的吸引量; P i为交通小区i的人口数; W j为交通小区j的就业岗位数; a i 、b i 、cj 、d j 均为模型参数, 反映了交通小区i的土地利用性质; n为交通小区数。 2. 2全日出行分布预测 全日出行分布预测可采用双约束重力模型 其中， i , j=1,2,…,n 式中: Q ij 为从交通小区i 到j 的全日出行总量; 、分别为行约束系数和列约束系数; f ( cij ) 为交通小区i 到j 的阻抗函数; cij 为交通小区i 到j 的出行阻抗。
3高峰小时的生成-分布共生模型 调查结果显示: 在高峰小时时段内, 以工作和上学为主的通勤出行所占比例很大, 一般为80% ~90% 。由于工作、上学是工作日所必须的, 且时间性强。因此, 分别建立工作和上学的出行生成分布共生模型, 并根据这 2 种出行目的, 以及在高峰小时出行中所占的比例进行调整, 从而预测得到高峰小时的出行发生( 吸引) 及分布。 工作出行模型为 i , j=1,2,…,n 上学出行模型为 i , j=1,2,…,n 式中: 为高峰小时交通小区i到j的工作出行人次数; 为高峰小时交通小区i到j的上学出行人次数; a w 、b w 、cw 、d w 均为高峰小时工作出行的生成分布共生模型参数; a s、b s 、cs 、d s均为高峰小时上学出行的生成分布共生模型参数。 其中,和有以下关系式 式中: 为高峰小时交通小区i 到j 的总出行人次数; 为高峰小时工作出行所占的比例; 为高峰小时上学出行所占的比例。 4 方式划分与分配组合模型 4.1组合出行 组合出行是指居民一次出行, 从起点到终点采用了多种出行方式联合完成。居民由起点到终点的一次组合出行如图所示。 图2组合出行
城市道路交通流预测 1交通流预测方法历程 在交通预测方法方面，上世纪60年代，国外就开始研究交通流预测模型，并逐渐将这些模型应用于短时交通流预测。早期得预测方法主要有时间序列法，自回归滑动平均模型(ARMA)、卡尔曼滤波预测模型等等。这些预测模型主要为线性模型，其考虑因素都较为简单，一般都用最小二乘法(LS)在线估计参数，利用历史数据线性变化趋势预测交通流参数。早期得方法具有计算简便，易于数据实时更新，便于数据量与规模较小得条件下应用得优点；但就是由于这些模型不能体现交通流得非线性与随机性，很难克服随机因素对交通流量得干扰，所以随着预测时间隔得缩短，随机因素得作用也增强了，这些模型得预测精度与实时性也就变得达不到预期得效果。 伴随着交通流量预测研究得深入进行，学者们又提出了很多更复杂得、更高精度得预测方法与模型。从表现形式上大体可分成三类：第一类就是早期以数理统计等传统数学方法为基础得线性预测模型；一类就是以现代控制理论与科学技术(如模拟技术、神经网络、模糊控制)为主要方法与手段而形成得非线性预测模型，她们得特点就是不需要精确得物理模型，在一定应用范围内却具有良好得鲁棒性、精确度；第三类主要就是前两者得组合应用，第三类方法综合了得特性，克服前两者她们得缺点，使得前两者得优点互补，从而达到很好得预测效果。这类方法建模过程较为复杂，但为短时交通流预测研究开辟了新得路径，也就是将来短时交通流预测方法得发展方向。 早在1994 年Hobeika, A、G 与Chang Kyun Kim 在文献中提出了根据截面历史数据、实时数据与上游交通流数据进行短时交通流预测。Brian L、Smith 与Miehael J、Demetsky(1997)在文献中对历史平均预测模型、时间序列预测模型、神经网络预测模型与非参数回归预测模型四种交通流预测模型进行了比较，结果非参数回归模型以其模型简单，精度高成为了小样本预测中最佳得预测
一交通量预测 1.1 交通调查现状 新开北路北延（源兴路~通沪大道）位于南通市经济技术开发区西北部，南起源兴路，北至通沪大道，全场约2.6Km，道路规划宽50m，是一条南北方向的城市主干道，是中心城区规划形成“二十一横二十二纵”的主干路布局中的一条纵向主干路，也是连通崇川区、通州区的重要道路。 新开北路北延建成后将在一定程度上缓解兴富路、东快速路等道路的交通压力，提高了开发区与崇川区的连通性，提升南通市的城市面貌，拉动城市经济的快速增长，带动沿线地区的经济发展，改变附近的交通需求，项目建成后将产生大量的旅游交通量和沿线居民的出行产生交通量。 规划道路附近用地布局及道路流量图 1.2 远期交通量需求分析 本道路建成后交通量表现为旅游交通运输产生和沿线居民出行产生的交通量等，拟建项目预测的远景交通量构成有以下三部分组成： （1）基于现状路网条件下而发展的趋势型交通量
（2）本项目建成后产生的诱增交通量 （3）本项目建成后本地出行交通量 1.3 预测思路和方法 1.3.1 预测思路 本研究预测的主要思路为：以交通调查为基础，在分析XX市路网现状状况、交通量现状和路网规划的基础上，结合XX市城市总体规划、经济产业发展的布局规划，根据研究路网的地位和交通功能，对未来交通量进行预测。 1.3.2 预测方法 交通预测方法主要有两类：一类是基于增长弹性系数直接进行预测的交通增长率预测法或基于总体发展规划的总量控制法；另一类是基于土地利用的四阶段法，即出行发生、出行分布、交通方式划分和交通量分配。本研究综合考虑两种方法，并结合TransCAD软件对目标年的交通量进行预测。 1.4 道路交通量预测 通过对现状道路交通量进行调查，通过拟建道路临近的第二条主干路或者快速路围合的范围建立道路交通网络，划分交通小区，运用Transcad软件和OD反推技术计算出该道路路段及相交道路未来年高峰小时交通量。 交通小区划分 充分考虑区域内土地使用性质，路网构成等因素，根据交通小区的划分原则，对现状道路网络进行交通小区划分。
HUNANUNIVERSITY 设计题目：交通规划与设计学生姓名：何炜立 学生学号：201301010720 专业班级：道路1302班 学院名称：土木工程学院 指导老师：李硕 学院院长：陈仁朋 2016 年11月15日 城市交通量预测
一、补充数据 根据要求不全所缺数据，然后对Travel Data 里面的Origins person by car, Origins person by transit 和Destinations person by car, Destinations person by transit分别求和得到 Traffic Production 和Traffic Attraction. 如图所示. 二、运用Excel进行数据回归分析 一、分析三个自变量Population, Households, Employment 与因变量Traffic Production之间 的回归线性关系，得出结果如下： 得出方程： y=-0.131a+1.763b-0.048c+84.201 其中 y:Trip Production, a: Population, b : Households， c : Employment.
二、分析三个自变量Population, Households, Employment 与因变量Traffic Attraction之间的 回归线性关系，得出结果如下： 得出方程： y=-0.275a+0.843b+0.757c+192.553 其中 y : Trip Attraction, a : Population, b : Households, c : Employment. 三、将所得的模型对某一个特点的区域Trip Production和Trip Attraction 进行验算, 现取1 号区域分析如图： 由计算结果可知，模型计算所得的TP和TA值，与实际的相近，认为该模型可靠
交通预测模型【对各种交通流预测模型的简要分析】 摘要:随着社会的发展，交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。多年来，世界各国的城市交通专家提出各种不同的方法，试图缓解交通拥堵问题。交通流预测在智能交通系统中一直是一个热门的研究领域，几十年来，专家和学者们用各种方法建立了许多相对精确的预测模型。本文在提出交通流短期预测模型应具备的特性的基础上，讨论了几类主要模型的结果和精确度。 关键词:交通流预测;模型;展望 20世纪80年代，我国公路建设项目交通量预测研究尚处于探索成长阶段，交通量预测主要采用个别推算法，又可分为直接法和间接法。直接法是直接以路段交通量作为研究对象；间接法则是以运输量作为研究对象，最后转换为路段交通量。 进入90年代后，我国的公路建设项目，特别是高速公路建设项目的交通量分析预测多采用“四阶段”预测，该法以机动车出行起讫点调查为基础，包括交通量的生成、交通分布、交通方式选择和交通量分配四个阶段。
几十年来，世界各国的专家和学者利用各学科领域的方法开发出了各种预测模型用于短时交通流预测，总结起来，大概可以分为六类模型：基于统计方法的模型、动态交通分配模型、交通仿真模型、非参数回归模型、神经网络模型、基于混沌理论的模型、综合模型等。这些模型各有优缺点，下面分别进行分析与评价。 一、基于统计方法的模型 这类模型是用数理统计的方法处理交通历史数据。一般来说统计模型使用历史数据进行预测，它假设未来预测的数据与过去的数据有相同的特性。研究较早的历史平均模型方法简单，但精度较差，虽然可以在一定程度内解决不同时间、不同时段里的交通流变化问题，但静态的预测有其先天性的不足，因为它不能解决非常规和突发的交通状况。线性回归模型方法比较成熟，用于交通流预测，所需的检测设备比较简单，数量较少，而且价格低廉，但缺点也很明显，主要是适用性差、实时性不强，单纯依据预先确定的回归方程，由测得的影响交通流的因素进行预测，只适用于特定路段的特定流量范围，且不能及时修正误差。当实际情况与参数标定时的交通状态相差较远时，
第３８卷第１期 ２０１５年１月合肥工业大学学报（自然科学版）JOURNAL OF HEFEI UNIVERSITY OF T ECHNOLOGY Vol ．３８No ．１ Jan ．２０１５ 收稿日期：２０１４‐０１‐０３；修回日期：２０１４‐０８‐１０ 基金项目：国家自然科学基金重点资助项目（７１２３１００４） 作者简介：卢建中（１９８６－），男，安徽庐江人，合肥工业大学硕士生； 程 浩（１９７９－），男，安徽桐城人，博士，合肥工业大学讲师．doi ：１０．３９６９／j ．issn ．１００３‐５０６０．２０１５．０１．０２７ 改进G A 优化B P 神经网络的短时交通流预测 卢建中， 程 浩 （合肥工业大学管理学院，安徽合肥 ２３０００９） 摘 要：为了提高BP 神经网络预测模型对短时交通流的预测准确性，文章提出了一种基于改进遗传算法优化BP 神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力，能够在搜索过程中避免陷入局部最优解，因此引入模拟退火算法中的Metropolis 接受准则来增加遗传算法的局部搜索能力，避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP 神经网络的权值和阈值，然后训练BP 神经网络预测模型以求得最优解。仿真结果表明，该方法对短时交通流预测具有较好的预测精确性。关键词：交通流预测；BP 神经网络；遗传算法；模拟退火算法；Metropolis 接受准则 中图分类号：T P １８３；U ４９１ 文献标识码：A 文章编号：１００３‐５０６０（２０１５）０１‐０１２７‐０５ Short ‐term traffic flow forecast based on modified GA optimized BP neural network LU Jian ‐zhong ， CHENG Hao （School of M anagement ，Hefei U niversity of T echnology ，Hefei ２３０００９，China ）Abstract ：In order to improve the accuracy of short ‐term traffic flow forecast based on BP neural net ‐work prediction model ，a forecast method based on modified genetic algorithm （GA ）optimized BP neural network is proposed ．Because the simulated annealing （SA ）algorithm has strong local search ‐ing capability and can avoid getting into limited optimum solution in the searching process ，the M e ‐tropolis acceptance criteria in the SA algorithm is introduced to GA ，w hich effectively overcomes pre ‐mature convergence and getting into limited optimum solution ．T he modified genetic algorithm is used to optimize BP neural network ’s weights and thresholds ，then the BP neural network model is trained to obtain the optimal solution ．T he simulation results show that this method is accurate in short ‐term traffic flow forecast ．Key words ：traffic flow forecast ；BP neural network ；g enetic algorithm （GA ）；simulated annealing （SA ）algorithm ；M etropolis acceptance criteria 物联网被认为是继计算机、互联网与移动通 信之后的世界信息产业的又一次浪潮，而车联网 是物联网应用于智能交通领域的集中体现，也是 物联网的一个重点领域。车联网可以实现车与人 之间、车与车之间、车与基础设施之间信息通讯的 交换，但是组建车联网过程中还有一些关键的技 术问题需要研究，如RFID 技术、车联网新协议研发、智能交通等。其中智能交通是国内外学者研究的热点，而实时准确的交通流预测是智能交通的前提和关键。根据交通流预测的时间可以将交通流划分为短时交通流、中期和长期交通流，而短时交通流预测的实时性最强、反映最为快捷，因此实际应用也最为广泛。国内外学者针对短时交通流预测建立
第三章道路规划及交通量预测 第一节道路路网现状及道路服务水平评价 庐山区道路主要由十里大道、长江大道、外环路、学府路、学府二路，前进东路，并与周边的城市外围主干道长虹大道、庐山大道、芳兰大道、金凤路，九莲南路联系。 由于现有主要道路兼有区内交通、对外交通、以及生活性、交通性多重功能，虽在目前区域交通量并非十分巨大，但作为XX市区的规划范围，随着土地开发利用，规划道路应按城市道路“人车分离、机非分离”的原则规划设计。随着土地的开发利用，对道路运输能力也提出了更高的要求，但路网的不完善，将制约了经济的发展，现状道路的服务水平将无法满足经济发展的需要。 第二节区域路网规划 一、交通运输规划调查 道路系统历来被称为城镇的动脉和骨架，是一个城市能否规划合理的重要因素。因此道路的布局合理与否，直接关系到城镇能不能经济合理的发展。 道路规划本着“快速、顺畅、通达”的原则，合理调整布局，合理布置集镇道路网络。规划道路等级分为三级，即主干道、次干道和支路。主干道间距大于500米，红线30—60米；次干道间距为250—500米，红线宽度为20—40米；支路间距150—250米，红线宽度为9—20米以下。 二、路网规划
项目建设区域道路等级分为主干道、次干道和支路三个等级。其中主干道有十里大道、庐山大道、濂溪大道、芳兰大道、长江大道、欣荣路、外环路，道路宽度为30—50m；次干道学府路、学府二路，前进东路，道路宽度20—30 m；支路道路宽度15—20 m。 三、道路新建必要性论证 交通建设对土地利用有导向作用，土地的开发利用，必须以道路的修建为基础。濂溪大道为XX市庐山区道路骨架中最重要的一条主干道，本工程（濂溪大道延伸线）是濂溪大道的一部分。它的建设是城区土地资源使用开发的前提和必要条件。 随着城市化水平的不断提高，城市经济发展对加强人居环境的开发建设提出了更高的要求。良好的居住环境离不开道路等基础设施的建设。城市基础设施的建设也将直接服务于经济建设。为了能更好地改善XX市投资环境，改善人居生活环境，提高经济发展水平，不断加快基础设施的建设开发就成为必然。 道路建设不可避免地征集土地，拆迁房屋，造成建设区人口动迁，劳动力重新安置等社会问题。对农村居民而言，由于道路建设占用一定农田，菜地等耕地，由此会使农民的生存和生活最基本的生产资料受到影响；且对农民的劳作带来不便。但随着城镇建设发展，农民也将从务农为主转变成服务、务工、务商为主，故由此所造成的社会影响是在可承受范围内的。从长远来看，道路的建设有利于提高居民的生活质量，有利于推进XX的城市化建设进程。 本次工程沿线地势较起伏，因土地、规划部门工作到位，全线道
《城市交通规划》课程设计任务书 任务书（07级） 1设计目的 通过课程设计使学生对《城市交通规划》课程的基本概念、基本原理以及模型与方法得到全面的复习与巩固，并且能在系统总结和综合运用本课程专业知识的课程设计教学环节中，掌握和熟悉城市交通规划预测的操作程序和具体方法，从而为毕业设计和将来走上工作岗位从事专业技术工作打下良好的基础。 课程设计是一个重要的教学环节，在指导教师的指导下，训练学生严谨求实、认真负责的工作作风和独立思考、精益求精的工作态度。 2设计题目 A市城市交通预测与未来路网规划设计方案。 3设计内容 3.1运用城市交通预测理论与模型，进行道路网交通流量预测。包括： （1）道路网编码并简化； （2）未来出行分布预测,采用福莱特法和Transcad软件两种方法计算出行分布； （3）未来交通分配预测。（这里只考虑对高峰小时的小汽车交通量进行分配） 3.2在对现在路网进行加载测试的基础上，根据小汽车高峰小时饱和度调整未来路网。包括： ⑴通行能力的提高； ⑵路段阻抗的降低。 调整路网的具体措施包括提高道路等级、新建道路等。将调整后的路网重新进行OD分布和流量分配，然后根据调整后的路网饱和度大小决定是否要继续优化道路网络。最终得到的路网饱和度应在合理范围内。 4设计成果 4.1说明书 包括设计步骤、计算过程、说明简图、计算表格。 4.2图纸（图幅297×420mm） (1)未来出行分布（期望线图）； (2)未来路网流量分配图； (3)未来路网规划设计方案图。 5设计资料
5.1A市基本情况 A市是某省政治、经济、文化中心城市，规划年（1995年）有人口107万，市区面积为352km2，平均人口密度3040人/km2。1995年工农业总产值为32亿元，人均国民收入为630元。该城市按功能分为五个大区：老市区、新市区、北工业区、南工业区和河西文教区。交通规划调查统计区域的面积为106.32km2，道路长度约120.48km，公共汽车线路为111.88km，平均道路密度为1.13km/km2，平均公汽线路密度为1.05km/km2。全市出行总流量为165.1万人次/d，平均每人每天出行达1.54次以上。全市机动车数量为11964辆，其中货车6800辆、客车3412辆、摩托车1752辆。公共汽车数量1982年为425辆，运营客量可达到70.1万人次/d。建议小汽车方式出行的客流量比例取10%，高峰小时流量比取0.12，该市小汽车的平均载客人数为1.5人。（小汽车方式出行的比例可以根据需要，自行设定。）详细情况见表1~表4。 表1 A市经济发展情况统计表 表2 市区内土地利用分布表
第22卷第1期2008年1月 济南大学学报(自然科学版) J OURNAL OF UN I VERSITY O F JI NAN (Sc.i &T ech ) Vo.l 22 No .1 Jan.2008 文章编号:1671-3559(2008)01-0088-07 收稿日期:2007-05-21 基金项目:国家自然科学基金(60674062);济南大学博士基金 (B0608);济南大学科研基金(Y0601)。 作者简介:高 慧(1982-),女,山东德州人,硕士生;赵建玉 (1966-),女,山东临沂人,副教授,硕士生导师。 短时交通流预测方法综述 高 慧1 ,赵建玉1 ,贾 磊 2 (1.济南大学控制科学与工程学院,山东济南250022;2.山东大学控制科学与工程学院,山东济南250061) 摘 要:以交通流预测研究的步骤为主线,对短时交通流预测的方法进行研究。对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于新兴技术的预测方法。将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;基于非线性理论的预测方法有较好的发展前景。 关键词:智能交通;数据采集;数据预处理;交通流预测中图分类号:U 491.112 文献标识码:A 交通系统 [1] 是支持社会经济发展的基础设施 和 循环系统 ,在社会经济系统中占有重要的地位。交通问题解决的好与坏,直接影响着国民经济 的发展与人民生活质量的提高。当今世界各国的大城市无不存在着交通拥挤问题。交通问题在一定程度上已经成为制约经济、社会稳定发展的 瓶颈 问题。然而有限的土地和经济制约等使得道路建设不可能达到相对满意的里程数,所以就需要在不扩张路网规模的前提下,综合运用现代信息与通讯技术等手段来提高交通运输的效率,以提高交通路网的通行能力。于是,运用各种高新技术系统地解决道路交通问题的思想就应运而生了,这就是智能交通系统I TS(intelligent transport syste m ) [2-3] 。 交通控制与诱导系统是I T S 研究的热门核心课 题,而实现交通流诱导系统的关键问题是实时准确的交通流量预测,即如何有效地利用实时交通数据信息去滚动预测未来几分钟内的交通状况。其结果可以直接送到先进的交通信息系统(ATIS)和先进的交通管理系统(ATM S)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,以缩减出行时间,减少交通拥挤。这种预测称为短期预测(short-ter m forecasting),它是微观意义上的,与中观和宏观意义上的以小时、天、月甚至 是年计算的基于交通规划的战略预测(strateg ic fore -casting)是有本质区别的 [4-5] 。 1 数据采集 最初的交通参数信息采集方法都是非自动的人工采集方法,包括人工观测法和摄影法等。自20世纪30年代美国研制出 声控 式感应式交通信号控制机以来,交通量检测器技术得到了迅速发展,特别是近20年来出现了大量的新型交通量检测器。交通量检测器的种类很多,主要有:环形线圈检测器,超声波检测器,磁感应式检测器,光辐射式检测器,雷达检测器,视频检测器等。目前应用较多的是环形线圈检测器、超声波检测器和视频检测器。1.1 环形线圈检测器方法 环形线圈检测器 [6] 出现于20世纪60年代,是 目前交通控制中应用最广的交通量检测器。该检测器是一种基于电磁感应原理的车辆检测器,它的传感器是一个埋设在路面下、通有一定交变电流的环 形线圈。当车辆通过线圈或停在线圈上时,车辆引起线圈回路电感量的变化,检测器可检测出该变化,基于此原理采集交通量。1.2 超声波检测器方法 超声波检测器 [1] 是通过接收由超声波探头发 出并经过车辆反射的超声波来检测车辆的。超声波检测器的工作原理可分为两种:传播时间差法和多普勒法。 传播时间差法,超声波检测器的探头向路面发射超声波然后接受其反射波,当有车辆时,超声波会经车辆反射提前返回。多普勒法,超声波探头向空间发射超声波同时接收信号,如果有移动物体,那么接收到的反射波信号就会呈现多普勒效应。