摘要：短時交通流量具有非線性、隨機性等特點,如何準確地進行短時交通流量預測,是智能交通系統研究的一項關鍵內容。傳統的預測模型不能實時反映短時交通流量變化特點,同時BP神經網絡的交通流量預測存在收斂速度緩慢、易陷入局部極值、預測精度低等缺點。為了提高短時交通流量預測精度,提出了一種基于改進粒子群算法(IPSO)優化BP神經網絡的復合預測模型,引入相對誤差指標作為預測模型的評價指標,并利用實測的道路短時交通流數據對所構建的預測模型進行驗證。結果表明,所提出的預測模型在短時間內尋出全局最優解,具有較好的預測精度,提高了短時交通流量預測的準確性和可靠性。