摘 要

城市交通运输量的预测对城市未来规划建设起着十分重要的作用，通过选取适当方法对交通量进行准确预测可以为规划项目的建设提供依据，有利于满足交通需求的产生，同时也可以根据预测情况采取科学的处理方法以解决路段负荷过大导致的交通拥堵等问题，使城市交通朝着合理、有序的方向发展。

本文分析了武汉市的独特地理优势和显著的交通特征，结合国内外关于交通运输量预测的研究情况，对武汉市近年来交通运输客货运量的发展情况进行研究，分析其发展规律与特点，探讨对武汉市交通运输量产生影响的因素，进而对各种影响因素进行分析。随后本文列举出几种常用的交通运输量预测的方法，通过各种预测方法的原理分析和比较，选择以BP神经网络构建预测模型，通过训练后的网络对交通量进行预测，结果表明网络拟合效果好，预测精度高，适用于武汉市交通运输量的预测。

关键词：交通运输量预测；神经网络；武汉市；预测方法；城市规划

Abstract

The prediction of urban traffic volume plays an important role in the future planning and construction of the city. Accurate forecasting of traffic volume by selecting appropriate methods can provide a basis for the construction of planning projects, which is conducive to meeting the Traffic demand. At the same time, scientific treatment methods can be adopted according to the forecast situation to solve the problem of traffic congestion, which make urban traffic develop in a rational and orderly direction.

This paper analyzes the unique geographical advantages and significant traffic characteristics of Wuhan City, and combines the research situation of traffic volume forecast at home and abroad to study the development of passenger and freight traffic in Wuhan in recent years, and analyze its development rules and characteristics. Explore the factors affecting the traffic volume of Wuhan, and then analyze the various influencing factors. Then, this paper lists several commonly used methods for traffic volume prediction. Through the principle analysis and comparison of various prediction methods, BP neural network is used to construct the prediction model. The traffic volume is predicted by the trained network. The results show that the network has good fitting effect and high prediction accuracy, which is suitable for the prediction of traffic volume in Wuhan.

Key Words: Traffic volume forecast; neural network; Wuhan city; forecasting method; City planning

目录

第一章 绪论 1

1.1 研究目的 1

1.2 研究意义 1

1.3 国内外究现状 2

1.3.1 国外研究现状 2

1.3.2 国内研究现状 3

1.4 主要研究内容和技术路线 4

1.5 主要概念诠释 5

第二章 武汉市交通运输量发展现状的特征及影响因素分析 6

2.1 武汉市交通发展现状 6

2.1.1 客运量发展现状 6

2.1.2 货运量发展情况 8

2.2 武汉市交通运输发展特点 8

2.3 武汉市交通运输量影响因素分析 10

2.3.1 外部因素 10

2.3.2 内部因素 11

第三章 几种常用的交通运输量预测方法与模型 13

3.1 城市交通运输量预测 13

3.1.1 交通运输量预测概念 13

3.1.2 交通运输预测流程 13

3.2 几种常用的交通运输量预测方法 13

3.3 各种方法的优缺点和适用性 18

第四章 基于神经网络的交通运输量预测 19

4.1 神经网络预测的概念及其特点 19

4.2 BP神经网络预测交通量的具体流程 20

4.3 Matlab实现神经网络模型构建 21

第五章 武汉市交通量预测 23

5.1 基础数据的采集与处理 23

5.2 隐含层神经元个数的确定 25

5.3 对BP神经网络进行训练 26

5.4 BP神经网络预测 29

第六章 结论和展望 35

6.1 研究结论 35

6.2 研究展望 35

参考文献 37

致 谢 39

第一章 绪论

1.1 研究目的

交通运输业是国家经济生活的支柱产业，也是发展经济，联系不同地区的桥梁。城市的交通运输量的变化与城市交通运输基建情况以及城市交通发展规划有着十分密切的关联,随着本世纪以来社会经济的快速发展和总人口数的快速攀升，武汉市运输基础设施建设的规模逐步扩大，客货运力随之增加，交通运载量因此发生持续的变化，所以基于科学预测方法的交通运输量预测对城市交通运输规划起着十分关键的作用，本文以武汉市的交通运输量为研究对象,根据武汉市交通运输量发展情况以及其交通基础设施建设现状，研究交通运输量发展变化的特点，探究城市交通规划的合理性，比较论证几种传统的交通运输量预测的方法，分析其各自的优缺点和应用的局限性，以此提出基于神经网络的交通运输量预测方法，验证其作为预测方法的有效性，为武汉市的交通运输量预测提供一个科学可行的方法。

1.2 研究意义

武汉市位于中部地区，是中部第一大城市，武汉市承东启西，辐射南北，是长江经济带与京港澳经济发展轴交汇的关键衔接点和推动器。长江贯穿武汉市将武汉市分为三镇，市区内江湖交错，船舶如织，水域面积接近总面积的四分之一，是中部最大的交通运输枢纽中心，从武汉往外辐射的铁路网可涵盖除少数西北地区外的大部分地区。近年来，随着交通运输业的迅速发展，武汉市的运输基础设施，现代化运输装备，客货运量总量以及运输规模都飞速发展。大量的基础设施建设，使得武汉市的交通运输供需矛盾得到一定缓解，其运输网络结构也得到了较大改善，具有一定规模的现代化综合运输网络已初步形成。然而，城市化进程的推进导致的问题也无法忽视，交通拥堵，环境破坏，交通事故等情况越来越严重，目前的交通设施建设无法处理所有问题。城市交通运输量预测是城市交通规划建设的核心内容之一，对城市交通流量的设计，道路的规划，路网布局的形成起着十分关键的作用。武汉市交通运输量预测结果的准度与精度，直接影响着城市道路建设和路网规划，是一个重要的课题，能够给予城市交通规划设计良好的指导方向。

1.3 国内外究现状

1.3.1 国外研究现状

国外学者将神经网络应用于交通运输量预测的实例不少，Tung Bui 、AnneKoehler、DemPster等人设计了神经网络预测模型，通过此模型预测的交通运输量精度与准度比传统预测模型更加具有优势^[1~3]。

H.Nicholson和C.D.Swann在路段区域交通量的测量中采取了光谱分析，当实验采集数据较为精准时，此种分析法可以将预测误差控制在5%以下，较传统的预测法有着显著的优势，但同时它也有一定的局限性：当遇见交通量激增或骤降等不可预见的情形下，其无法解释成因，同时无法表现出协方差矩阵显示的特点^[4]。

Corinne Ledoux的研究更进一步，他在神经网络方法研究的基础上，合理的把神经网络同自动调整的城市交通网络控制体系相结合，形成了各个区域的交通量预测模型，在预测估计路口排队等待长度和通过流量方面所获精度较高^[5]。

Chrobok R, Whale J和Shcreekenberg M根据Large-scale networks（大范围网络）来进行微型仿真，其预测的准确度比较好，具体是根据已有的测量数据再结合元胞自动机交通流模型，以此对该网络内的交通流进行估计^[6]。

近年来，交通流预测已经发展为智能交通系统的主要研究方向，由于交通流预测是一个实时问题，加快其计算速率是非常重要的方面，其中特征提取是比较有效的提速手段，诸如PCA,SOM网络，多维缩放（MDS）等一类特征提取方法已经被提出，Geoffrey Fox考虑到这些方法描述变量的局限性和计算成本的消耗，提出了将MDS用于减少交通参数的维数，以插值MDS来提高计算速率，结合非线性回归支持向量仪（SVM）进行交通流数据的预测^[7]。

Xu Y考虑到目前研究交通流量预测的实验大都专注于自适应或组合算法得出的误差较小的预测结果，但是忽略了所建模型的可解释性，可解释性同预测精度一样对交通规划人员来说都很关键，因为科学的算法能解释路网中哪个地区会在特定的时刻对目标段产生交通状态的影响，他解释了适用性和可解释的时空贝叶斯多元自适应回归样条模型，通过马尔科夫链蒙特卡洛模拟获得最佳模型，并且在估算对应参数时使用了贝叶斯推理法，从而应用此模型进行短期城市道路交通量预测^[8]。

1.3.2 国内研究现状

国内学者对交通量预测的研究也较多，徐瑞光针对现有交通流量参数预测方法的结果准确度不高等问题，以交通流时空特性的方向入手，探究了关于优化双线性递归神经网络的城市道路交通流量预测方法，其研究结果表明：该预测法对道路交通流量的预测误差不超过5%，符合道路交通流量预估数值的条件，而且其算法的收敛速率也得到了较为显著的提高^[10]。

穆孟超，胡钊政，李祎承等人为了研究内河船舶的实时流通量，研究了一套基于虚拟线圈的船舶流量监测系统，以武汉长江大桥为监测点，将通过此处的船舶数量进行记录，同时生成对应船舶的船长、船宽等船型信息，并且通过BP（back propagation）神经网络把不同船舶分类，统计结果从计数情况，误差情况反映了该方法的良好适用性^[11]。

钱伟，车凯，李冰峰等人以提升交通流量预测数据的准确性为目的，根据交通流量的自有特征，在大量实测数据的基础上，建立出短期交通流量预测的组合模型：也就是对灰色算法与ELM神经网络的组合，通过计算测量交通流量数值变化幅度，测定各模型的实验误差范围，以此来规划两者在预测模型中的所占比例，从而根据该模型预测出短时交通流，预测结果较准确，抗干扰能力强^[12]。

高宏波，张登银提出了基于分形差值的三次指数平滑模型来进行短时交通流量预测，他们通过建立笛卡尔坐标系确定迭代函数中的参数和垂直比例因子，构建出吸引子，再根据三次指数平滑法得出目标数值。对建立的模型进行的仿真实验显示该模型较传统交通流量预测方法有着更准确的预测结果^[13]。

孙波军，尹伟石改进了邓聚龙所提出的研究不确定系统的灰色系统理论，分析了其中的参数和数据级比的联系，设计出能够自适应步长的灰色系统模型，并在城市交通流量预测中引用此模型，经比较论证，以此得到的预测结果比常规的灰色系统法，指数平滑法，移动平均法精度更高，模型效果更好，显著的减少了拟合优度的相对误差值，是预测短时交通流的有效方法之一^[14]。

侯晨煜，孙晖，周艺芳等人结合神经网络算法和卡尔曼滤波，将观察值去除躁声平滑，通过大量实验数据验证BP神经网络和LSTM递归网络的最优匹配参数，以此建立模型开展预测工作，提供关于城市地铁短时流量预测的服务。该方法验证了卡尔曼滤波可以控制预测结果的平均绝对误差。经对比，经卡尔曼滤波处理的预测法的MEA指数相对高出25%^[15]。

宗春光，宗靖雁，任江涛，胡坚明通过了交通流的混沌特征，应用相空间重构理论，随后计算交通流时间序列的时间延迟和嵌入维数等参数。 此理论和方法应用于短期交通流量预测，实验效果良好。同时他们从非线性的时间序列分析的方向入手，做出了诸多有效的尝试，合理的预测了交通流^[16]。

1.4 主要研究内容和技术路线

本文研究武汉市交通运输量的发展情况，比较城市运输量预测的几种方法，表明各种预测方法在武汉市交通运输量预测应用方面的优势和不足之处，提出基于神经网络的武汉市交通运输量预测模型，指出神经网络预测方法的特点，并结合实例分析其适用性和优越性。其主要包括：通过分析武汉市的交通基础设施建设情况等方面，找出武汉市交通运输量发展的基本特点；指出几种常用的运输量预测的方法，研究其各自的预测原理和理论依据，判断优缺点；引出基于神经网络的交通运输量预测，解释神经网络的概念，分析其主要结构，指出BP神经网络的结构简单，适用范围宽广，进而分析使用BP神经网络的突出优势，构建该网络预测模型。本文的技术路线图具体如图1.1所示：

绪论

武汉市交通运输量现状与特点

影响因素分析

内部因素

外部因素

常用预测方法分析

基于神经网络的运量预测法

历史数据采集与分析预测

结论

图1.1 技术路线图

1.5 主要概念诠释

（1）交通运输量：主要包括客运量和货运量，其含义是指各类载运工具在一定时期，一定范围内运输的货物重量或旅客数量。该指标是编制货运（客运）生产计划、分析交通发展与规划情况、运输生产规模的重要依据，它反映了交通运输系统为社会生产和人民生活的正常进行提供保障的程度。其中货运量的单位为吨，客运量的单位为人。

（2）交通运输系统：是指由与人或物的载运和输送有关的若干实体要素组成的集合体，主要包括以下四部分：运输网络（组成运输网络的线路和节点）、运输设备（载运工具）、运输对象（旅客或货物）和运输网络运行的系统支持。这个系统为实现货物及旅客空间位置上的位移提供服务，同时也为发展社会经济条件，通达自然景区创造了条件。

（3）神经网络：本文的研究对象为人工神经网络（ANN）,是上世纪末AI领域产生的探讨方向，它以信息处理为切入角度，对人工神经元网络用以抽象表示方法，将各神经元之间用多种连接方式联系起来，共同组建一种由大量神经元组成的网络模型。它是一种基于运算的数学模型，其中每个神经元都代表了一种特殊的激励函数，它表示输入与输出之间的函数关系，而神经网络的两神经元之间的连接则代表着权重。目前神经网络已经运用于诸多领域并或得重大成就，具有很重要的研究意义。

第二章 武汉市交通运输量发展现状的特征及影响因素分析

2.1 武汉市交通发展现状

随着城市化进程的持续推动，武汉市内以及市周边交通建设的规模逐步扩大，产生了更多的交通运输需求。近年来，武汉市交通情况面临着复杂的局面，应城市规划的要求，武汉市道路基建项目众多，使得部分行车道路用于施工而被占用导致无法通行，车辆分流绕行至其他干道上，从而增加了部分道路的运输压力和拥挤程度。此外，武汉市地理位置与环境的特殊性也对交通运输产生了一定的影响。

2.1.1 客运量发展现状

截止至2019年2月，武汉市拥有地铁营运线路共9条，包括1号线（城市轻轨）、2号线（机场线）、3号线、4号线、6号线、7号线（含纸坊线）、8号线、11号线以及阳逻线，总共有216个站台，线路长度达318公里，位居中国第五位，中西部地区第一位，承担的客运量约占全市公共交通客运量的24%。图2.1表示了目前武汉市地铁线路营运情况。

图2.1 武汉市轨道交通线路图(来源：百度百科)

武汉市公交车线路（涵括有规电车及快速公交BRT）中年均新增线路43条，总线路多达519条，全市公交专用道50条，共计430车道公里，承运量大致保持增长状态。图2.2为2013-2018年常规公交车日均客流量变化情况。

图2.2 2013年至2015年武汉市公交车日均客流量

在慢行交通方面，市区内共享单车数量众多，分布广泛，2018年全年日均总骑行量达到大约200-300万人次，占城市民众交通出行方式选择的8%~12%，共享单车以其约束小，花费少，出行方便等特点受到了广大群众的青睐，已经成为了常用的出行选择方式。

在出租车方面，武汉市出租车保有量达1.77万辆，日均客流量约106万人次，但出租车市场供需关系紧张，形成了卖方市场，在一定程度上无法满足目前群众的交通出行需求，造成了“打的难”的局面。

由于武汉市地理环境的特殊性，市内公共交通出行也包括了轮渡。轮渡作为武汉市最悠久的交通出行方式已经走过了百余年的历史，2018年来往于长江两岸的轮渡有36艘，营运航海达11条，配有近20处码头。但由于过江通道的大力建设，轮渡也随之成为运输配角，年客运量已不到1600万人次。