摘要：短時(shí)交通流量具有非線性、隨機(jī)性等特點(diǎn),如何準(zhǔn)確地進(jìn)行短時(shí)交通流量預(yù)測,是智能交通系統(tǒng)研究的一項(xiàng)關(guān)鍵內(nèi)容。傳統(tǒng)的預(yù)測模型不能實(shí)時(shí)反映短時(shí)交通流量變化特點(diǎn),同時(shí)BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測存在收斂速度緩慢、易陷入局部極值、預(yù)測精度低等缺點(diǎn)。為了提高短時(shí)交通流量預(yù)測精度,提出了一種基于改進(jìn)粒子群算法(IPSO)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的復(fù)合預(yù)測模型,引入相對誤差指標(biāo)作為預(yù)測模型的評價(jià)指標(biāo),并利用實(shí)測的道路短時(shí)交通流數(shù)據(jù)對所構(gòu)建的預(yù)測模型進(jìn)行驗(yàn)證。結(jié)果表明,所提出的預(yù)測模型在短時(shí)間內(nèi)尋出全局最優(yōu)解,具有較好的預(yù)測精度,提高了短時(shí)交通流量預(yù)測的準(zhǔn)確性和可靠性。