1、短時交通流預(yù)測是智能交通控制與管理，交通流狀態(tài)辨識和實時交通流誘導(dǎo)的前提及關(guān)鍵。但到目前為止，它的研究結(jié)果都不盡人意。存在模型運算復(fù)雜，運算時間長，需要大量歷史數(shù)據(jù)，預(yù)測精度不高等缺點。因此研究短期交通流預(yù)測具有一定的現(xiàn)實意義。本文在對現(xiàn)有短期交通流預(yù)測模型對比分析及交通流特性研究分析基礎(chǔ)上，確立了本文的研究目標(biāo)：建立一個能夠克服現(xiàn)有模型缺點的短期交通流預(yù)測模型。 近年來，灰色預(yù)測模型以其算法簡單，所需數(shù)據(jù)少，運算時間短的優(yōu)點受

2、到交通流預(yù)測研究人員的青睞。本文對現(xiàn)有灰色預(yù)測模型進(jìn)行了研究分析及總結(jié)，提出了不同交通量原始數(shù)據(jù)情況下的兩種灰色交通流預(yù)測模型。并通過實驗驗證了模型的有效性。主要工作如下： 1、對于只具有被測路段少量歷史交通量數(shù)據(jù)的情況下，本文在深入分析了影響常規(guī)GM(1，1)模型精度的因素上，提出了一種基于背景值改進(jìn)的GM(1，1)短期交通流預(yù)測模型。此模型不僅可以應(yīng)用于低增長序列，同時還可以應(yīng)用于高增長的序列。通過與其它模型的比較分析，驗證

3、了本文改進(jìn)模型的有效性，并通過Matlab7．0仿真實驗驗證了采用等維遞推方法的改進(jìn)模型更適用于短期交通流預(yù)測，有更好的預(yù)測效果。 2、對于不僅具有被測路段少量數(shù)據(jù)且具有該被測路段上下游交通量數(shù)據(jù)的情況下，本文在深入學(xué)習(xí)研究灰色預(yù)測模型的基礎(chǔ)上，建立了一個兼顧考慮上下游交通流量的MGM(1，n)短期交通流預(yù)測模型。并通過實驗驗證了模型的有效性以及其實用性。一方面拓展了MGM(1，n)模型的使用范圍，一方面驗證了兼顧考慮上下游交通