● 摘要
随着社会经济的发展以及人们生活水平的提高，交通问题越来越严重，受到了人们的广泛关注。智能交通系统（ITS）是交通进入信息时代的重要标志，它能够有效的解决道路交通问题，它将是新世纪交通体系的发展方向。交通控制与诱导系统是智能交通系统研究的热门核心课题，而实现交通控制与诱导系统的关键问题是实时准确的交通流量预测，即有效的利用实时交通数据信息去预测未来某个时间段的交通状况。交通流是一个复杂多变的系统，它的预测更涉及到多个学科及领域。科学合理地预测点、线及区域交通量，能够准确地掌握未来交通量的变化，这不仅对于人们的出行带来方便，而且还为公路建设等一系列方面提供更为科学的理论依据。本论文首先介绍了交通流的概念以及特性，指出交通流量是其中最重要的部分。接着，从控制理论的角度阐述了交通流量预测的内涵，并给出了不同类型的预测方法，其中包括时间序列模型、非参数回归模型、指数平滑模型、卡尔曼滤波模型、BP神经网络模型等，并介绍了不同方法的优缺点以及其适用情况。其次，论文详细介绍了交通流量预测的几种常用的方法。论文采用了线性模型和指数平滑模型对北京市蓟门桥的交通流量数据进行了预测，并给出了仿真曲线，其结果证明了该方法的可行性。为了提高预测精度，本设计采用了信息融合的方法对这两种方法的结果进行了加权融合，预测精度明显得到了提高。最后，论文给出了区域预测的含义，并以马甸桥作为研究对象做了仿真。本设计采用相关点预测的方法和自身预测的方法分别预测了区域中部分的交通流量数据，然后，采用加权融合的方法进行了数据融合，提高了预测精度。