摘要：为了提高高速公路交通流建模的精度，分析了离散的高速公路动态交通流数学模型，基于Elman网络原理，建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2，采用Levenberg-Marquardt算法对回归神经网络进行训练，并对一条5路段的高速公路进行仿真。结果表明：回归神经网络平均相对误差为8．6837×10^-5最大相对误差为4．2371×10^-4，与BP神经网络和RBF神经网络相比较，Elman回归神经网络能更好地逼近交通流数学模型，真实地描述交通流基本特性，能准确地建立动态交通流模型，适应交通状况的变化。

关键词：交通规划 动态交通流 回归神经网络 建模 比较 

单位：华南理工大学自动化学院; 广东广州510640; 五邑大学信息学院; 广东江门529020