摘要：随着城市发展步伐的加快，道路基础设施建设取得了显著成就。然而随着居民生活水平的提高，巨大的出行需求与有限的道路基础设施供应之间的矛盾日益严峻，造成城市拥堵，有待改善。因此掌握城市交通状态，不仅成为交通研究所的主要工作内容，也是城市交通规划的研究内容，同时，它为城市交通规划和交通决策提供数据。基于上述原因，本文利用深圳市公安局交通警察局本次提供深圳市局部区域道路的交通卡口监测数据、出租车为主的浮动车数据以及互联网导航平台数据，采用BP神经网络的预测模型，应用趋势曲线法建立预测对象关于时间的趋势变化模型，采用线性函数对数据进行归一化处理，构建三层网络结构。用训练好的网络对交通量数据进行仿真，从而进行交通拥堵情况预测，以协助交通部门有效地缓解这类交通拥堵问题。

关键词：交通拥堵预测；趋势曲线法；BP神经网络

一、预测方法——趋势曲线法

趋势曲线模型预测的自变量为时间t。大量交通调查的统计资料表明，无论宏观层次、中观层次还是微观层次交通现象的发展有一定的规律性。当预测对象随时间变化呈现某种曲线形式的变化趋势，且无明显的周期波动时，可以建立预测对象关于时间的趋势变化模型y=f（t）。

当此趋势变化模型能够反映时间序列的未来变化情况时，给定适当的自变量t就可以得到相应时刻时间序列的预测值。使用趋势外推法的两个假设条件是：事物发展过程没有跳跃式变化，而是渐进性变化；……