1. 研究目的与意义（文献综述）

随着社会经济的持续快速发展，城市现代化水平和人民生活水平的不断提升，交通拥堵、交通安全、环境污染和能源短缺等问题逐渐成为世界各国面临的共同问题，全球大多数国家都不可避免的受到日益加剧的交通问题的困扰。城市道路交通流量的预测模型研究历史已久，在发展开始阶段，研究人员把在其他领域已取得一定成就的预测模型运用到城市道路交通流量预测的研究中，但是一直发展到现在，关于道路交通流量动态预测的理论研究不论是国内还是国外都还处在探索与发展阶段，都还未形成较为成熟的理论体系。

因此，观察或者研究交通流量的变化规律，并且能够准确、实时、合理科学的预测未来的时刻的交通流量变化或者发展趋势，这对于交通管理、交通规划、交通诱导和交通控制与安全等，都具有着十分重要的意义，并且随着交通流量预测模型的不断发展与研究，交通流量预测已成为交通领域重点的研究课题之一，其发展与研究的目的与意义主要有：

（1）道路交通流量预测是提高城市道路交通管理与控制水平的重要技术保障。对于进入下游交叉口的交通流量进行预测，对于区域的协调控制和城市道路交通控制系统进行主干线协调控制都有着十分重要的作用。为了及时主动地采取信息发布等措施对出行车辆进行交通诱导，避免交通拥堵现象的发生，保证城市交通流畅，应该对城市道路路网交通流量的变化趋势进行科学的预测和判断。

2. 研究的基本内容与方案

本论文围绕城市道路交通流量预测这一交通流诱导的核心内容进行了理论研究和探索，主要的研究目的在于探究一种更适合城市交通流量预测的模型方法。由于传统的交通流量预测模型很难得到令人满意的结果，并且人工神经网络具有高度自组织、自适应、灵活性和识别非线性系统的特点，能够根据实时的交通信息数据及时更新网络，所以比较适合用于城市道路交通流量预测。

本论文的基本内容如下，简要分析道路交通流量预测研究的目的意义、国内外研究过程分析；分析城市道路交通流量预测的研究背景、目前的研究及发展现状、介绍本文的研究内容和结构安排；对城市道路交通流量的动态性、时间相似性和空间相关性进行详细分析，并分析对城市道路交通流量采集技术及交通流量数据的预处理方法；对几种传统的道路交通流量预测的常用方法及各自的优缺点进行介绍，主要的预测方法包括基于RVM和ARIMA的短时交通流量预测方法、一种改进的灰色神经网络交通量预测模型、利用速度信息改进城市道路短时交通量预测、基于时空特性分析和数据融合的交通流预测、基于模糊卡尔曼滤波的短时交通流量预测方法、基于时空依赖性的区域路网短时交通流预测模型、近邻短期交通流预测、基于混沌和小波神经网络的短时交通流预测方法等，全面概述其各自的原理计算方法和特点；深入分析人工神经网络的基本原理及BP、RBF、和GRNN三种神经网络的各自特点及应用模型；建立基于BP、RBF、和GRNN神经网络的三种交通流量预测模型，并对其进行阶段试运行为了确保能够更加准确。合理的预测未来短时间内的交通流量；总结全文。

3. 研究计划与安排

第1~3周：毕业实习，参观、调研和参与生产，完成实习日记、实习报告、实习单位意见反馈表；

第4~5周：检索并学习相关文献资料，明确研究内容和研究路线，撰写开题报告；

第6~8周：完成英文参考文献翻译，形成论文初步框架及相关基础内容；

4. 参考文献（12篇以上）

[1]韦凌翔. 基于rvm和arima的短时交通流量预测方法研究[d].长安大学,2016.

[2]陈沥,马晓旦,夏晓梅.一种改进的灰色神经网络交通量预测模型[j].物流科技,2015,38(10):149-153.

[3]张润民,夏井新,黄卫.利用速度信息改进城市道路短时交通量预测[j].交通信息与安全,2015,33(02):26-30 56.