【正文】 段的實時交通量進行預測，并將交通量預測值與實際交通兩預測值加以比較，選取的四輸入和五輸入兩種輸入方式下的預測結果顯示，誤差均在期望范圍內(nèi)，且實際值與BP預測值二者擬合得到的對比曲線很接近，這樣的結果是令人非常滿意的。實例證明BP神經(jīng)網(wǎng)絡應用于快速路小時交通量預測是可行的，這種基于BP神經(jīng)網(wǎng)絡的快速路小時交通量預測方法與傳統(tǒng)預測方法相比有較好的靈活性，其數(shù)據(jù)容易得到，成本低，預測精度高，對短期交通量預測很適用。參考文獻1 任福田. 交通工程學. 北京: 人民交通出版社, 2008: 40472 王煒, 過秀成. 道路交通工程學. 南京: 東南大學出版社, 2011: 83903 Hui Hu, Da wei Hu. Study on the application of ITS and key technologies in logistics operation. 2009 International Conference on Information Management, Innovation Management and Industrial Engineering, Xi’an, China: IEEE, 2009: 2632664 楊兆升. 智能運輸系統(tǒng)概論. 北京: 人民交通出版社, 20035 邵福春, 熊志華, 姚志勝. 道路網(wǎng)短時交通量需求預測理論方法及應用. 北京: 清華大學出版社, 2011: 1671726 馬云龍, 王堅, 任子暉. 基于微觀仿真的快速路短時交通流預測研究. 系統(tǒng)仿真學報, 2009, 21(14): 450145037 許倫輝, 傅惠. 交通信息智能預測理論與方法. 北京: 科學出版社, 2009: 971098 王碩. BP神經(jīng)網(wǎng)絡在高速公路交通量預測中的應用. 中國科技信息, 2010(8): 2482519 周開利, 康耀紅. 神經(jīng)網(wǎng)絡模型及其MATLAB仿真程序設計. 北京: 清華大學出版社, 2005: 6990 10 劉慧穎. MATLAB R2007基礎教程. 北京: 清華大學出版社, 2008: 136176致 謝本課題的設計與成功離不開指導老師梁新榮教授的悉心指導和耐心教育。衷心感謝梁新榮教授對我畢業(yè)設計給予的指導和幫助！梁新榮教授不僅教授了我很多分析問題、解決問題的辦法與思路，而且他認真負責的態(tài)度和嚴謹?shù)闹螌W精神也使我受益匪淺，再次感謝梁教授對我畢業(yè)設計得以順利完成給予的莫大幫助，使我對自己的大學四年提交一份滿意的答卷！畢業(yè)設計的結束也就意味著大學生涯即將結束。在此，我還要感謝所有母校辛勤耕耘的老師，感謝你們教育了專業(yè)知識，以及給了我良好的學習環(huán)境；感謝信息學院的老師在這四年來對我們的悉心栽培，感謝班導師徐穎老師對我的關心和指導；感謝我親愛的同學們和朋友一直以來對我的默默關心與支持。感謝五邑大學給我一個大學四年學習知識和做人的平臺，以及對我各個方面的培養(yǎng)！感謝參與論文評審和答辯的各位老師，能在百忙之中抽出您寶貴的時間對我的論文進行評閱，老師您辛苦了！附 錄周末第1小時的交通量預測四輸入Mfile文件程序，如下所示：clc。clear all close all。 AA=[764 617 581 466 469 574 868 1083 1730 2415 2678 2689 1994 2227 2873 3261 2040 2633 2174 1538 1601 1494 1188 875 681 567 485 411 438 567 878 1200 1779 2278 2505 1326 1751 1439 2565 2803 2683 2796 2428 1547 1723 1695 1343 1017 760 620 547 464 433 535 760 1050 1700 2352 2771 2744 1902 2202 2942 3254 1924 2644 2197 1478 1528 1551 1155 818 667 569 469 388 415 515 770 1142 1746 2299 2569 2322 1776 2066 2541 2751 2503 2610 2397 1677 1737 1702 1363 994 788 686 574 501 470 604 859 1096 1777 2504 2703 2712 2006 2274 2972 3322 2068 2673 2229 1586 1562 1477 1160 900 681 555 461 446 425 554 1002 1306 1855 2328 2681 2411 1965 2190 2614 2883 2783 2797 2474 1642 1763 1722 1399 1028 828 730 585 477 472 592 899 1157 1795 2379 2856 2810 1964 2265 2934 3207 2052 2740 2189 1569 1712 1545 1262 947 747 639 515 458 484 617 942 1260 1750 2261 2557 2368 1855 2019 2241 2426 2544 2733 2460 1877 1904 1871 1548 1119 743 614 576 475 449 682 855 1026 1663 2381 2688 2683 2009 2335 2878 3196 2045 2693 2294 1532 1572 1556 1228 905 784 589 511 412 447 598 981 1255 1753 2397 2549 2354 1883 2111 2629 2782 2673 2720 2381 1562 1708 1680 1328 989 711 660 572 465 449 462 672 989 1546 2330 2715 2724 1952 2208 2898 3216 1888 2620 2113 1487 1586 1495 1185 893 715 590 526 421 449 478 810 1140 1643 2220 2458 2341 1831 2134 2507 2645 2537 2701 2424 1667 1819 1733 1465 1056 785 671 593 521 499 546 848 1045 1735 2482 2933 2898 1933 2289 3001 3251 2059 2814 2256 1533 1702 1564 1238 964 768 575 581 465 506 561 888 1206 1783 2454 2590 2513 1895 2167 2692 2851 2610 2825 2515 1648 1841 1790 1406 1054 797 668 566 479 453 489 669 1002 1664 2412 2638 2646 1853 2138 2780 3168 2261 3111 2311 1806 1961 1849 1361 1001 771 644 536 459 453 474 714 1070 1571 2139 2507 2403 1950 2309 2809 3027 2644 2860 2439 1786 2106 1827 1438 1070 797 668 566 479 453 489 669 1002 1664 2412 2638 2646 1853 2138 2780 3168 2261 3111 2311 1806 1961 1849 1361 1001 771 644 536 459 453 474 714 1070 1571 2139 2507 2403 1950 2309 2809 3027 2644 2860 2439 1786 2106 1827 1438 1070 797 668 566 479 453 489 669 1002 1664 2412 2638 2646 1853 2138 2780 3168 2261 3111 2311 1806 1961 1849 1361 1001 771 644 536 459 453 474 714 1070 1571 2139 2507 2403 1950 2309 2809 3027 2644 2860 2439 1786 2106 1827 1438 1070]。day=zeros(2,1)。error=zeros(2,1)。%for i=1:1:24i=6。p11=AA(:,i)。m=length(p11)。%p1=max(p11)。p1=700。b=zeros(4,14)。c=zeros(1,14)。 for j=1:1:14 a=p11(j:j+3)39。 b(:,j)=a。 d=p11(j+4)。 c(1,j)=d。 endp=(1/p1)*b。%t1=max(c)。t1=700。t=(1/t1)*c。net=newff(p,t,12,{39。tansig39。,39。purelin39。},39。trainlm39。)。=50。=2000。=。randn(39。seed39。,192736547)。net=init(net)。[net,tr]=train(net,p,t)。p2=zeros(4,2)。t2=zeros(1,2)。for h=1:1:2 h1=p11(h+14:h+17)。 p2(:,h)=h1。 e=p11(h+18)。 t2(1,h)=e。endp2=(1/700)*p2。t2。p3=sim(net,p2)。p4=p3*700。day(:,1)=p4。p4for w=1:1:2 PAE=abs(t2(w)ceil(p4(w)))/t2(w)*100。 error(w,1)=PAEend%endceil(day)周末第一小時四輸入法交通量預測值與實際值對比圖仿真程序，如下所示：clc。clear allclear all。aa=[797 668 566 479 453 489 669 1002 1664 2412 2638 2646 1853 2138 2780 3168 2261 3111 2311 1806 1961 1849 1361 1001]。bb=[786 662 569 473 457 479 587 1025 1619 2368 2622 2595 1881 2122 2777 3105 2188 3071 2292 1792 1946 1860 1366 1007]。for i=1:2 if i==1 y(:,i)=aa。 plot(y)。 end if i==2 y(:,i)=bb。 plot(y)。 xlabel(39。時間（小時）39。)。 ylabel(39。仿真輸出結果39。)。 title(39。BP方法訓練結果39。)。 endend