基于BP神经网络的高速公路交通量预测.pdfVIP

基于BP神经网络的高速公路交通量预测.pdf

基于神经网络的高速公路交通量预测

王晨宇

(重庆交通大学交通运输学院，重庆400041)

摘要：城市交通量预测是道路规划和流量管理的关键。国内外学者在交通量预测领域不断探索，提出了多

种预测模型和方法，如灰狼算法优化、神经网络融合等，为交通管理提供了有力支持。其中，基于BP神经

网络的交通量预测方法因其捕捉复杂非线性关系的能力而备受关注。本研究以四川省高速公路为例，采用

BP神经网络预测了2009-2022年的年平均日交通量，并通过多种评估指标验证了其优越性。结果显示：BP

神经网络预测模型训练集的R、RMSE、MAE、MAPE分别为0.98、876.64、667.8、0.02，测试集的R、RMSE、

MAE、MAPE分别为0.95、1871.58、1708.64、0.05。与其他模型相比较BP神经网络在预测准确性和效率上

均表现出色，为四川高速公路交通量预测提供了有效工具。随着研究的深入，高速公路交通量预测领域将

继续取得更多进展，为交通系统运营效率的提升提供重要支撑。

关键词：交通量预测；高速公路；BP神经网络；机器学习

HighwaytrafficpredictionbasedonBPneuralnetwork

WANGChenyu

(SchoolofTrafficTransportationChongqingJiaotongUniversityChongqing400074China)

，，，

Abstract:Urbantrafficvolumepredictionisthekeytoroadplanningandflowmanagement.Scholarsathomeand

abroadhavecontinuouslyexploredinthefieldoftrafficvolumepredictionandproposedavarietyofprediction

modelsandmethods,suchasGrayWolfAlgorithmOptimization,NeuralNetworkFusion,etc.,whichprovide

powerfulsupportfortrafficmanagement.Amongthem,thetrafficvolumepredictionmethodbasedonBPneural

networkhasattractedmuchattentionforitsabilitytocapturecomplexnonlinearrelationships.Inthisstudy,theBP

neuralnetworkisusedtopredicttheannualaveragedailytrafficvolumefrom2009to2022onthehighwayin

SichuanProvinceasanexample,anditssuperiorityisverifiedbyvariousevaluationindexes.Theresultsshowthat

theR,RMSE,MAE,andMAPEofthetrainingsetoftheBPneuralnetworkpredictionmodelare0.98,876.64,

667.8,and0.02,respectively,andthoseofthetestsetare0.95,1871.58,1708.64,and0.05,respectively.Compared

withothermodelsBPneuralnetworkexcelsinpredictionaccuracyandefficiency,providinganeffectivetoolfor