1、近年來隨著交通技術的進步，交通設施不斷得到改善，智能交通系統(tǒng)（ITS，Intelligent Transportation System）的應用也越來越廣泛。智能交通系統(tǒng)中的交通誘導子系統(tǒng)是出行和運輸管理系統(tǒng)的主要內容，而準確的短期交通流預測對于合理誘導和控制交通、減少交通擁擠等重要作用。目前的交通流預測模型存在著運算時間長、精度不高等缺點。
　　本文的研究目的在于建立一個能夠克服上述缺點的交通流預測模型。灰色預測模型GM(1,1

2、)最大的特點就是算法簡單、可利用較少數(shù)據建模。這給建模和運算帶來了方便，但是灰色預測模型對于具有波動性的系統(tǒng)來說預測的效果不是很理想，而且預測的準確率會隨著時間的外推而逐漸降低。神經網絡對于非線性系統(tǒng)的預測具有良好的性能，但是在對網絡進行訓練時，往往需要大量的數(shù)據。本文以灰色預測模型為基礎，利用灰色預測模型算法簡單、建模所用數(shù)據少的優(yōu)點以及BP神經網絡對非線性系統(tǒng)預測性能良好的優(yōu)點，通過BP神經網絡對灰色預測模型進行修正，最后建立了一個