文 献 综 述 1. 课题背景和意义 随着社会经济、商业、科学等领域的发展和城市化进程的逐步加快，道路拥堵情况变得越来越严峻，给人们的出行带来了很多不便。

道路交通严重拥堵、交通事故率增加以及交通效率低引起的资源浪费已经成为全球各城市发展面临的共同问题。

目前，我国的交通存在以下几个主要问题：（1）机动车数量增长迅速，道路容量不足；（2）公共交通缩减，出行结构不合理；（3）出行不文明情况给交通带来了负担。

针对这些问题的解决措施有：（1）扩充道路容量，增加基础设施建设，这是最直接的办法，但考虑到现在的实际情况，这种办法难以有效解决交通问题；（2）控制机动车的使用量，例如国内多个城市都采取了车辆限购和限行政策，这种方法可以短期内缓解交通压力；（3）加强交通管理，鼓励使用公共交通出行，此种方法能在一定程度上解决交通问题，但面对现在严峻的交通形式，难以彻底改变现状；（4）构建智能交通系统（Intelligent Transportation System, ITS），随着信息技术的飞速发展和现代交通对于快捷性、安全性和信息化等方面的要求，而出现的智能交通系统是对传统交通系统的一次改革，ITS有效地结合了先进的传感技术、信息技术、控制技术、通讯技术和计算机技术，使整个交通系统变得更加合理。

综合来说，智能交通系统是全面保障交通网络运输安全和解决交通拥堵的主要途径。

交通的控制技术和诱导技术是近年来的研究热点，它们作为ITS的两大核心技术， 能够有效解决城市的交通拥堵问题，提高道路通行的效率。

交通流预测是实现交通控制和交通诱导的基础，准确的交通流预测方便了人们的出行，为交通流量的控制提供了有效的手段，能够有效缓解交通拥堵现象。

高度的随机性和非线性是道路交通流量明显的特点，而神经网络可以很好地解决这一类的非线性问题，其中前向型神经网络特别适合对交通流进行预测。

随着神经网络在训练速度和预测精度等方面的能力不断加强，而预测精度直接影响了智能交通系统实施的效果，因此在建设智能交通体系时使用神经网络便成了一个十分明智的选择。

2. 国内外研究现状 城市道路交通流量预测作为实现智能交通管理不能忽视的部分，其预测结果能够为交通诱导与管理控制的方案的制定提供参考。