曾阳艳，苏 雅，张琪慧

(湖南工商大学 大数据与互联网创新研究院，湖南 长沙 410205)

一、前言

近年来交通拥堵现象严重，且拥堵时的尾气排放不仅造成环境污染，也导致大量能源浪费。道路拥挤造成交通事故的频发，也给交通治理带来考验。道路车流量预测是近年来交通领域的研究热点之一，从不同道路上的检测器中采集到车流量数据，通过一些方式学习到其中的数据规律，可以预测未来时刻不同路段的数据。对交通流量进行准确预测，可以预判交通拥堵的状态，从而推动智慧城市建设，方便出行者生活。

智能交通的发展与社会经济的发展的联系愈加紧密，智能交通系统的研究已然成为当今热点研究课题[1]。短时交通流预测是实现交通诱导和控制的关键，同时也是智能交通系统管理的基础[2-3]。 短时交通流具有较强的混沌性和非线性等，很多学者针对其特点提出很多智能预测模型和算法[4]。科学合理地预测城市轨道交通客流量，分析并掌握客流变化的特性和规律，对城市轨道交通可行性研究、线网规模的规划及制定合理的运营管理决策[5]具有重要意义。神经网络是一种新型的客流预测方法，它摆脱了建立精确数学模型的困扰，具有良好的自组织性、自适应性，有很强的学习能力、抗干扰能力等优点，比历史平均模型、时间序列模型[6]等传统预测方法更适合复杂、非线性的条件。目前已经广泛应用于预测领域的神经网络预测模型包括BP神经网络模型[7]、多层感知器神经网络(MLP)[8]、径向基函数神经网络(RBF神经网络)[9]、动态神经网络[10]等。……