基于神经网络的城市道路交通量预测方法研究

基于神经网络的城市道路交通量预测方法研究

摘要：交通量是衡量交通发展状况的重要指标，其预测的准确性直接影响路网的规划布局及建设安排，本文在综合分析影响道路交通量因素的基础上，提出了道路交通量神经网络的预测方法及其模型，结合内蒙古鄂尔多斯市道路建设的实际状况，对其道路交通量进行预测分析，结果表明，该方法相比于四阶段法有较高的预测精度。

关键词：城市道路；交通量；预测；神经网络

1引言

随着我国城市化进程的高速发展，目前大多数城市道路出现交通堵塞、车速下降等现象，为适应城市建设的要求，对未来若干年的道路交通量预测是制定建设规划方案的一项重要的参考指标[1]，对城市道路网的完善、建设城市环路、放射路等交通干线和快速干道系统以及交通的调整和运营管理具有非常重要的作用，所以道路交通量的预测越来越受到重视。但由于交通量是一个受多层次、多因素影响的复杂变量，在实际工作中，由于缺少足够的信息而无法确定模型参数，给建模和预测带来了困难。传统的预测方法有：四阶段法、线性回归法、随机时间序列法、专家预测法、指数平滑法和状态空间法等[2]，这些预测方法虽然可以预测短时间内客运量变化的大致趋势，但需要事先知道许多参数以及如何根据不同的情况对这些参数进行修正。近年来出现的预测方法有：灰色系统模型法[3]、神经网络模型法[4]等。灰色系统预测本质是一种指数增长预测,要求原始时间序列是非负单调的,但是这个条件不一定能完全满足。本文在分析影响交通量各因素的基础上，针对城市道路交通特点，建立城市交通量神经网络预测模型，以鄂尔多斯市的交通量为例，通过对2007-2011年的交通量的预测，与实际结果相比较从而验证模型的精度和合理性。

2 交通量预测模型

2.1影响城市交通量的主要因素

影响城市交通量的因素很多，除城市社会经济现状、总体规划、人口等外，最重要的影响因素是车辆保有量及车速，影响城市机动车保有量的主要因素是生产总值GDP和人口密度的变化，目前车辆保有量大多由交警部门通过机动车辆的登记管理统计车辆的保有量。车速主要由安置在道边的测速仪器及装置来测量某一时段通过车辆的平均时速，从而掌握道路服务水平和拥挤程度，为路网交通分析和交通量预测建模提供数据。所以，选用城市的人口、车辆保有量、预测同时段的车速作为主要的影响因素。