交通量预测用什么方法？

交通量预测用的方法有：遗传算法、神经网络、支持向量机、灰色理论等。

1、遗传算法

遗传算法是一种灵感源于达尔文自然进化理论的启发式搜索算法。遗传算法中包含初始化、个体评价（计算适应度函数）、选择运算、交叉运算和变异运算。

2、神经网络

神经网络是利用其算法特点来模拟人脑思维的第二种方式，它是一个非线性动力学系统，其特点就是信息分布式存储和并行协同处理。简单点讲就是利用该算法来模拟人类大脑来进行推理和验证的。

3、支持向量机

支持向量机算法作为机器学习领域的经典算法，从被提出开始提出后快速发展，在很多场景和领域都取得了非常好的效果，同时兼有数度快，支持数据量级大（相对经典机器学习算法）等特点使其在工程实践中的得到了广泛的应用。

4、灰色理论

灰色预测通过鉴别系统因素之间的发展趋势的相异程度，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程，从而预测事物未来的发展趋势。

扩展资料

交通量预测的调整方法：

1、调基法

调基法主要通过调整与预测交通量关系最大的GDP和弹性系数，从而修正特征年交通增长率，达到降低交通量预测的不确定性带来的BOT项目投资风险。

2、通道控制法

基于公路运输通道特性明显的特点，重点收集拟建公路运输通道内的各主要公路历年观测交通量，对通道交通量进行整合、推算、预测。在此基础上，确定通道内各主要公路的功能定位、交通量分担权重，进而可以求得拟建公路的未来年交通量。

参考资料来源：百度百科-交通量预测

交通量预测的方法包括：
卡尔曼方法、回归分析法、移动平均法、指数平滑法、组合预测法等等。

1、卡尔曼方法是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。

2、回归分析法（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，分为回归和多重回归分析；按照自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

3、移动平均法（moving average method）是根据时间序列，逐项推移，依次计算包含一定项数的序时平均数，以此进行预测的方法。移动平均法包括一次移动平均法、加权移动平均法和二次移动平均法。

4、指数平滑法（Exponential Smoothing，ES）是布朗(Robert G..Brown)所提出，布朗、认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续的未来，所以将较大的权数放在最近的资料。

5、组合预测法是指上面的方法有机结合，用于预测的一种方法。

1、拟建项目的趋势型交通量将按四阶段法进行交通量的分析预测。

2、

回归分析、趋势曲线、移动平均、指数平滑、卡尔曼方法、svm、ANN、多Agent预测、组合预测等等