交通流预测
I 目录 摘 要 .............................................................. II 绪论 ................................................................ 1 一、 单因素方差分析 ................................................ 1 1.1单因素方差分析简介 .............................................. 1 1.2单因素方差分析模型 .............................................. 2 二、 单因素方差分析的应用 .......................................... 3 2.1问题叙述 ........................................................ 3 2.2模型假设 ........................................................ 4 2.3符号说明 ........................................................ 4 2.4模型的建立与求解 ................................................ 5 三、 模型评价与推广 ............................................... 17 参考文献 ........................................................... 18 致 谢 .............................................. 错误！未定义书签。 II
摘 要 本文研究的是估算当车道被占用时对城市道路的通行能力影响程度，并且通过本次研究分析为交通管理部门正确引导车辆行驶、审批占道施工、设计道路渠化方案、设置路边停车位等提供理论依据。根据观测数据，结合数学软件，采用应用交通流波动理论与数据分析相关方法对事故所处横截面通行能力变化进行分析，以及占道不同对横截面通行能力的影响的说明。 对于问题一，我们提取了视频1的交通调查数据，并进行了预处理，对本文中一些需要用的专有名词进行定义，初步的对事故发生横断面实际通行能力变化进行分析，得到横截面实际通行能力变化是周期性振幅可变的运动。 对于问题二，我们观察了视频2进行了类似的处理，然后运用SASV8进行描述统计分析和以占用车道的变化进行单因素方差分析，最后得到检验p值为0222.0，对于所占车道不同对该横断面实际通行能力影响有显著性差异，并检验了同时置信区间至少95%置信度下，2u比1u大。 对于问题三，建立基于交通流理论的交通事故影响路段车辆排队长度计算模型，以流体动力学为基本原理，模拟流体的连续性方程，建立车流的连续性方程。由事故持续时间的长短分三种情况，建立起路段车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间的关系。 对于问题四，我们针对问题三所建立的模型对视频1进行了更深层的数据调查与处理，并运用题设数据对模型进行求解，得到结果0.2016h1T。
关键字：实际通行能力 单因素方差分析 交通流理论 III
Traffic Flow Prediction Abstract This study is to estimate the city road traffic capacity influence when the lane was occupied , and proper guidance for the traffic management department vehicle, approval lane construction, design of road drainage scheme, set up roadside parking spaces to provide a theoretical basis for analysis by this study. According to observational data, combined with mathematical software, using the theory and application of traffic flow data analysis methods for the accident in which the cross-sectional analysis of changes in capacity, as well as description of the cross-section of different lane capacity impacts. An analysis of the first problem: We extract the traffic survey data of video 1, and the pretreatment of the paper, which in this article some of the terminology needs to be defined by the initial cross-section of an accident changes in actual capacity analysis, cross-section the actual capacity change is cyclical variable amplitude motion An analysis of the second problem: For the second question, we have observed the video 2 conducted a similar deal, then uses SASV8 to change and lane occupancy of single factor variance analysis descriptive statistics analysis, the last to be tested is 0.2222, for the different sound Lane had significant difference on the cross section of the actual capacity, and test and confidence interval at least 95% confidence level, u2 than u1. An analysis of the third problem: Based on theory of gather-disperse wave to establish the impact of accidents distribution road vehicle queue length calculation model, the basic principles of fluid dynamics to simulate fluid continuity equation, continuity equation traffic flow. By the length of the duration of the accident in three cases, and establish a road accident vehicle queue length and the cross-sectional relationship between the actual capacity, the duration of the accident, road traffic between upstream. An analysis of the fourth problem: We created problems for the model of the video one of three conducted deeper data collection and processing, and applying the data to solve the model, get the results is 0.2013h
【Key Word】 Actual Capacity , one-way ANOVA , Theory of Traffic Flow绪论 道路交通运输是城市基本职能和物质基础要素的重要组成部分，也是城市赖以生存、发展、维持正常运转的必要条件之一。近代城市与道路交通的发展具有相互制约、相辅相成的密切关系。随着城市规模的扩大，产业的发展、城市各种职能的加强，道路交通运输网络也不断发展，而道路交通设施和交通运输网络完善与否，又反过来影响和制约城市的发展。 单因素方差分析【1】是指对单因素试验结果进行分析，检验因素对试验结果有无显著性影响的方法。它是两个样本平均数比较的引伸，它是用来检验多个平均数之间的差异，从而确定因素对试验结果有无显著性影响的一种统计方法。也称作一维方差分析。它检验由单一因素影响的一个(或几个相互独立的)因变量由单个因素各水平分组的均值之间的差异是否具有统计意义。单因素方差分析还可以对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异进行分析，即进行均值的多重比较。 我全面分析了题目，从中发掘出隐含的信息。对于问题一，我们提取了视频1的交通调查数据，并进行了预处理，对本文中一些需要用的专有名词进行定义，初步的对事故发生横断面实际通行能力变化进行分析，得到横截面实际通行能力变化是周期性振幅可变的运动。对于问题二，我们观察了视频2进行了类似的处理，然后运用SASV8进行描述统计分析和以占用车道的变化进行单因素方差分析。对于问题三，建立基于车流波动理论的交通事故影响路段车辆排队长度的计算模型，以流体动力学为基本原理，模拟流体的连续性方程，建立车流的连续性方程。由事故持续时间的长短分三种情况，建立起路段车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间的关系。 对于问题四，我们针对问题三所建立的模型对视频一进行了更深层的数据调查与处理，并运用题设数据对模型进行求解，得到结果。
道路交通量预测案例
第四章道路交通量预测
4.1交通构成分析及初年流量确定
根据3号路的功能及沿线土地利用规划，将其未来交通流量主要是以沿线用地为起止点的交通流；因其主要服务于安置区，所以交通流的构成以生活出行为主，根据一般居住区的交通出行量，可假设3号路初年2013年交通流量为400pcu/h，对应国家及云南省相应经济发展速度，设头五年的年增长率为10％，以后各年为6%，计算期20年，各特征年交通流量见下表：
4.2道路通行能力
4.2.1道路设计通行能力
N＝No*r*n*n*s
No……单向路段通行能力（pcu/h）
（设计车速30km/h,一个车道设计通行能力No＝1300）
r…………自行车影响修正系数（r＝1）
n…………车道宽度影响修正系数（n＝1）
n…………车道数修正系数[两车道n＝（1＋0.85）＝1.85] s…………交叉口影响修正系数（s＝0.46）
N＝1106（pcu/h）
道路双向高峰小时通行能力为2213（pcu/h）
4.2.2道路服务水平评价
当道路服务15年时
道路饱和度S＝Nk/（2N）＝0.52
服务水平为C级，满足功能要求。
当道路服务20年时
道路饱和度S＝Nk/（2N）＝0.70
服务水平为C级，基本满足功能要求。
基于GA-BP神经网络的交叉口短时交通流预测研究
基于GA-BP神经网络的交叉口短时交通流预测研究交叉口是城市道路交通系统中的重要部分，交叉口的交通流量对城市交通的运行和管理起着至关重要的作用。
交叉口的交通流量预测是交通管理的重要课题之一，通过对交叉口的交通流量进行准确的预测，可以为交通管理部门提供重要的决策支持，帮助他们更好地对交叉口进行交通信号控制，从而优化交通流，缓解交通拥堵，提高交通运行效率。
本文基于遗传算法优化的BP神经网络模型，对交叉口的短时交通流量进行了预测研究。
本文首先对交叉口交通流量预测的背景意义和研究现状进行了分析，然后介绍了基于遗传算法优化的BP神经网络模型的基本原理和方法，接着介绍了实验设计和数据采集的方法，最后对实验结果进行了分析和讨论。
一、交叉口交通流量预测的背景意义和研究现状目前，交叉口交通流量的预测方法主要包括时间序列分析、神经网络模型和统计回归模型等。
神经网络模型在交通流量预测中具有很大的优势，其非线性映射和自适应能力使得其能够更准确地捕捉交通流量的变化规律。
传统的神经网络模型在模型参数的初始化和训练过程中容易陷入局部最优解，导致模型预测能力不足。
如何有效地提高神经网络模型的预测准确性成为当前研究的热点问题。
二、基于遗传算法优化的BP神经网络模型遗传算法（GA）是一种模拟自然选择和遗传机制的全局优化算法，通过模拟种群的进化过程，不断地搜索和优化解空间，寻找最优解。
而BP神经网络模型是一种常用的前向反馈神经网络，通过不断地调整网络的权重和偏置来拟合训练数据，实现对数据的预测和分类。
基于遗传算法优化的BP神经网络模型将遗传算法和BP神经网络模型相结合，利用遗传算法全局搜索和优化的能力，为BP神经网络模型的参数初始化和训练过程提供更好的初始解，从而提高模型的预测准确性。
具体来说，基于遗传算法优化的BP神经网络模型主要包括两个重要步骤：初始化种群和进化搜索。
1. 初始化种群：通过遗传算法初始化一定规模的种群，每个个体对应一个BP神经网络模型的初始权重和偏置。
公路工程设计中的交通流量预测方法研究
公路工程设计中的交通流量预测方法研究
摘要：交通流量预测在公路工程设计中扮演着重要的角色。本文综合研究了基于统计方法和机器学习方法的交通流量预测技术。在基于统计方法方面，时间序列分析、回归分析和神经网络模型等方法被深入探讨，各自展示了在不同情景下的适用性和优势。在机器学习方法方面，决策树算法、支持向量机算法和集成学习方法等被分析，并展现了其在交通流量预测中的有效性和可行性。通过对这些方法的研究，可以更好地理解交通流量的变化规律，并为公路工程设计提供准确可靠的预测支持。未来研究的方向包括方法的进一步改进和优化，以及与实际工程应用的结合，以提高交通流量预测的准确性和实用性。
关键词：工程设计；交通流量；方法研究 引言 随着城市化进程的加快和交通网络的不断发展，对于公路工程设计中的交通流量预测需求日益增长。准确的交通流量预测是保障公路交通安全、优化交通网络布局、提高道路使用效率的关键。然而，交通流量受多种因素的影响，包括时间、天气、道路条件等，因此对其进行准确预测具有一定挑战性。为了解决这一问题，研究者们提出了各种不同的预测方法，其中包括基于统计方法和机器学习方法。基于统计方法的时间序列分析、回归分析等方法能够利用历史数据的规律性进行预测，而基于机器学习方法的决策树算法、支持向量机算法等则能够更好地处理数据之间的复杂关系。本文旨在综合研究这些方法，探讨它们的优缺点及适用场景，为公路工程设计提供准确可靠的交通流量预测技术支持。
一、交通流量预测方法概述 （一）常用的交通流量预测方法 在公路工程设计中，常用的交通流量预测方法包括基于统计的方法、基于机器学习的方法以及基于模拟仿真的方法。统计方法通常包括时间序列分析、回归分析和神经网络模型等。时间序列分析通过历史数据的趋势和周期性来预测未来交通流量，回归分析则利用变量之间的关系进行预测，而神经网络模型则是基于神经网络的复杂模式识别进行预测。机器学习方法包括决策树算法、支持向量机算法和深度学习方法等，这些方法通过训练模型来学习数据之间的复杂关系，从而进行准确的流量预测。
基于微观交通流模型的城市交通拥堵预测
基于微观交通流模型的城市交通拥堵预测近年来，随着城市化进程不断加快和交通工具的普及，城市交通拥堵问题日益突出。
为了有效地解决这一问题，许多学者和研究机构开始关注微观交通流模型，以实现对城市交通拥堵的预测。
微观交通流模型是一种基于交通行为理论和交通规则的模型，它可以准确地模拟城市道路网中的交通流动与交通状况。
通过对交通参与者的行为特征进行统计和建模，可以预测未来的交通拥堵情况，并提供相应的对策和决策依据。
在微观交通流模型中，每辆车被建模为一个独立的个体，根据其驾驶员的行为、交通规则和道路条件等因素，模拟其在道路上的行驶过程。
这种模型的建立需要考虑诸多因素，包括车辆密度、速度、加速度、车道切换以及驾驶员行为等。
通过对这些因素进行建模和仿真，可以得到准确的交通流动态信息，进而用于预测交通拥堵的发生和发展趋势。
微观交通流模型的核心是交通仿真，通过计算机模拟怎样的交通流动态形成，从而了解在不同的交通条件和场景下，交通流动的规律以及可能产生的问题。
通过对道路网络进行建模和模拟，可以得到车辆在不同时间段和路段上的流量、速度和密度等数据，从而预测未来的交通状况。
在实际应用中，微观交通流模型可以结合实时交通数据和车辆信息，进行远程监测和拥堵预测。
通过与交通管理中心的数据交互，可以实时更新交通状态，及时调整交通信号灯、限行政策等措施，以缓解交通拥堵。
此外，微观交通流模型还可以为交通规划和交通设施建设提供决策依据。
通过对未来交通需求和交通拥堵情况的预测，可以合理规划道路网的布局、交通流量的分布以及交通设施的设置，从而提高整体道路网络的通行效率和交通服务水平。
微观交通流模型的建立和使用要结合具体城市的情况和特点进行，需要考虑城市的规模、交通结构、人口密度等因素。
同时，也需要借助先进的计算机技术和交通数据系统，以提供准确的预测结果。
然而，微观交通流模型也存在一些挑战和限制。
首先，模型的建立和校准需要大量的交通数据和实地调查，成本较高。
《基于深度学习的交通预测研究文献综述2200字》
基于深度学习的交通预测研究国内外文献综述国内外众多研究机构和学者采用了多种不同的模型和算法对短时交通流预测问题的分析及应用展开了探讨。
研究体系大致可分为参数化方法和非参数化方法，其中非参数化方法包括传统非参数化方法和深度学习方法。
参数化方法是指该模型具备固定的结构和参数，参数由历史经验数据计算得到，且参数量不随训练样本的数量变化而变化，包括回归预测、时间序列和卡尔曼滤波等模型。
由于参数化方法的效用有限，研究人员开始尝试利用非参数化方法解决交通流预测问题。
非参数化方法即指该模型没有固定的结构和参数，常用的传统非参数化方法有k近邻算法、支持向量机、人工神经网络算法等。
以上所述的传统非参数化方法虽然对交通流中的非线性特征进行了表示并取得了一定的结果，但由于结构简单，导致特征的学习程度有限且预测精度受限。
因此，我们把重点放在深度学习在短时交通流预测的应用。
近年来，深度学习在图像、语音等多种富有挑战性的任务上都取得了较好的成果，所以该方法逐渐被广泛地应用于其它领域，包括交通流预测。
相比只含一层隐藏层的人工神经网络，深度学习采用更深层的网络结构使得模型的学习能力得到大幅提高。
Huang等人最早将深度学习应用到交通领域，通过组合深度置信网络和多任务回归层进行交通流预测，实验证明深度学习在交通领域具备良好的应用前景[1]；Lv等人首先将堆栈自编码网络（SAEs）运用到交通流预测当中，使用贪婪的分层方式进行训练，其结果证实优于SVM和ANN等算法[2]；Ma等人通过将限制玻尔兹曼机和循环神经网络相融合对交通拥堵进行预测，其模型的有效性在大规模的实际路网数据上得到了验证[3]。
这些模型方法均是深度学习方法在交通流预测领域进行的尝试性工作，虽然取得了比传统方法较好的结果，但并没有很好地结合交通流数据的时空特性。
长短期记忆网络（LSTM）在研究中被用来获取交通流的时间特性，该网络是为了解决传统循环神经网络中的长期依赖问题而设计出来的。
大模型在智能城市中的交通流预测与优化控制
优化控制的效果评估
减少交通拥堵：通过 优化控制，减少城市 交通拥堵现象，提高 道路通行效率。
降低能源消耗：智能 城市中的交通优化控 制能够降低车辆的能 源消耗，减少碳排放， 促进可持续发展。
提高交通安全：优化 控制能够减少交通事 故的发生率，提高城 市交通的安全性。
提升出行体验：通过 智能化的交通管理， 为市民提供更加便捷 、舒适的出行体验。
实践案例二：某城市的交通信号灯优化控制
背景介绍：某 城市交通拥堵 问题严重，需 要进行交通信 号灯优化控制。
大模型应用： 采用大模型对 交通数据进行 深度学习，预 测交通流量和
拥堵情况。
优化方案：根 据大模型的预 测结果，调整 交通信号灯的 配时方案，提 高道路通行效
率。
实施效果：优 化后的交通信 号灯配时方案 有效缓解了交 通拥堵问题， 提高了城市交 通运行效率。
基于大模型的交通流预测算法
算法原理：介绍 基于大模型的交 通流预测算法的 基本原理和核心 思想
模型训练：详细 阐述如何利用大 规模数据集对模 型进行训练，提 高预测精度
预测结果：展示 基于大模型的交 通流预测算法的 预测结果，并与 其他算法进行比 较
实际应用：探讨 基于大模型的交 通流预测算法在 智能城市中的应 用场景和潜在价 值
策依据
智能交通信号 控制：通过大 模型对交通信 号进行优化控 制，提高道路
通行效率
交通拥堵缓解： 通过大模型对 城市交通进行 优化，有效缓 解交通拥堵问
题
交通安全提升： 通过大模型对 交通数据进行 深度分析，提 高交通安全性 和事故应对能
力
基于大模型的交通优化控制算法
算法概述：介绍基于大模型的交通优化控 制算法的基本原理和特点
交通量预测
国道107改线（安阳至信阳一级公路）官渡黄河大桥工程可行性研究·交通量预测·3.交通量预测3.1预测方法和思路概述3.1.1预测的基本说明规划天赐桥位于规划的京九路上，跨越小潢河，桥西北接向阳路，东南接滨河南路，是小潢河北岸到南火车站的便捷道路。
项目的实施对更好的联系火车站，发展地方经济，完善路网建设，方便两岸居民往来，都将产生深远的影响。
根据交通部颁发的《公路建设项目可行性研究报告编制办法》的规定，预测年限为项目建成后20年，本项目2016年开工建设，2018年正式开通，因此交通量预测年限为2018年～2037年。
结合国家及各省市制定远景规划的阶段划分，报告确定预测特征年为2018年、2020年、2025年、2030年和2037年。
3.1.2未来项目交通量构成一般来讲，道路远景交通量由三部分组成：即通道内竞争线路自然增长的趋势型交通量在项目上的分流；项目从其他运输方式上分流的转移交通量；项目建成后将对区域经济产生带动作用，从而诱导发生的诱增交通量。
针对本项目特点，分析项目主要有以下几方面的交通组成：1、趋势型交通量：分析项目所处地区的运输环境和路网结构，可以看出目前在天赐桥通道内，有弦山桥（一桥）和紫水桥（二桥）共同维持通行。
目前弦山桥为四车道城市A级道路，紫水桥为四车道城市A级道路，由于交通压力巨大，弦山桥和紫水桥交通十分拥挤。
本项目建成后，通道内的交通量将主要由弦山桥和紫水桥、天赐桥三座桥梁共同分担。
报告在得出预测年限内运输通道交通总量的基础上，得出拟建公路的转移交通量。
3.1国道107改线（安阳至信阳一级公路）官渡黄河大桥工程可行性研究·交通量预测·其他运输方式。
所以本项目暂不考虑来自铁路运输方式的转移交通量。
3、诱增交通量：项目建成后，通道内运输条件将得到极大改善，使影响区域内原来由于运输条件所限而未能实现的潜在运输需求成为现实，同时诱发新的交通需求，即产生项目的诱增交通量。
交通流状态与交通安全
总结词
异常交通流状态下的安全风险
详细描述
某高速公路在假日期间出现大量车流，导致车速过快、 超车频繁等异常交通流状态，增加了事故发生的概率。
总结词
驾驶员应对异常交通流状态的注意事项
详细描述
驾驶员在面对异常交通流状态时应保持冷静，遵守交通 规则，合理使用灯光和喇叭，避免超速和强行超车。
总结词
高速公路安全设施的重要性
通过安装交通流状态监测设备，实时监测道路交通状况， 为交通安全管理和调度提供数据支持。
总结词
交通管理部门对交通安全改善的贡献
总结词
交通安全改善措施的效果
详细描述
交通管理部门通过及时发布交通信息、加强执法力度、推 广交通安全宣传等措施，为交通安全改善作出了积极贡献 。
THANKS
感谢观看
CATALOGUE
交通流状态与交通安全的关系
正常交通流状态下的交通安全
正常交通流状态下，车辆按照规定的速度和车道行驶，交通 信号灯和标志标线清晰可见，驾驶员和行人遵守交通规则， 大大降低了交通事故的发生率。
驾驶员在正常交通流状态下有更多的时间和空间来观察周围 环境和判断交通情况，从而做出正确的驾驶决策，保证交通 安全。
雷达检测技术
GPS浮动车技术
利用雷达发射的电磁波与车辆相遇后反射 回来的波束，检测车辆的速度、位置等信 息。
通过装载在车辆上的GPS设备，实时记录车 辆的位置和速度等信息，从而分析道路交 通流的状态。
交通流状态预测模型
线性回归模型
基于历史交通流数据，通过建立线性回归方程来 预测未来交通流状态。
支持向量机模型
基于统计学习理论，构建分类器来对交通流状态 进行分类和预测。
ABCD
交通需求预测
其基本思想不是基于分析某一时间的交通状况，而是 基于分析某一历史过程的交通状况，对将来的交通状 况进行预测。
交通生成预测
交通生成预测是交通需求四阶段预测中的第一阶段，是交通需 求分析工作中最基本的部分之一，目标是求得各个对象地区的 交通需求总量，即交通生成量，进而在总量的约束下，求出各 交通小区的发生与吸引交通量。出行的发生、吸引与土地利用 性质和设施规模有着密切的关系。发生与吸引交通量预测精度 将直接影响后续预测阶段乃至整个预测过程的精度。
交通生成预测的影响因素
1、土地利用 2、家庭规模和家庭成员的构成 3、年龄和性别 4、汽车保有率 5、自由时间 6、职业和工种 7、外出率 8、企业规模、性质 9、家庭收入 10、其他
土地利用
① 住宅用地是交通的主要发生源和居民出行的主要起讫点。该用地的 发生与吸引交通量通常用居住面积、住户数、人口、住户平均人数等 指标表示。与住宅用地相关的出行有通勤出行（上班、上学）、弹性 出行（购物、娱乐、探亲访友等）和回程等。
交通生成总量的预测方法主要有原单位法、增长率法、 交叉分类法和函数法。除此之外，还有利用研究对象 地区过去的交通量或经济指标等的趋势法和回归分析 等方法。
出行生成包括出行产生与出行吸引。由于两者的影 响因素不同，前者以社会经济特性为主，后者以土 地利用的形态为主，故有些方法需将出行产生和出 行吸引分别进行预测，以求其精确，也利于下一阶 段出行分布预测的工作。
（2）以土地利用或经济指标为基准的原单位， 即以单位用地面积或单位经济指标为基准对原 单位进行预测。
单位出行次数预测法
在居民出行预测中经常采用单位出行次数为原 单位，预测未来的居民出行量，所以也称为单 位出行次数预测法。
单位出行次数为人均或家庭平均每天的出行次 数，它由居民出行调查结果统计得出。因为人 口单位出行次数比较稳定，所以人口单位出行 次数预测法是进行生成交通量预测时最常用的 方法之一。
交通需求预测
本次交通需求预测包括两个部分：背景交通需求预测和项目交通需求预测。
根据建设单位项目进度安排，预计2025年新建项目投入使用，综合判断为：选取投用后第 5 年，区域交通量趋于稳定，交通规律基本形成。
因此，本次交通影响评价确定以地块投用 5 年后即 2030 年的稳定期作为项目分析年限。
背景交通一般由两部分组成：通过性交通和到达性交通，通过性交通主要取决于研究区域的区位特点，到达性交通则与研究区域的建设开发情况直接相关。
➢年增长率法预测模型如下：Qd = Q(1+ K)n式中：Q d——目标年 (2029 年) 交通量；Q0—基年(2024 年)交通量；K ——年增长率；n——预测目标年相对于基年的年数。
➢通行能力反算法适用于道路通行能力趋于饱和或现状流量较少(或无现状流量) 、而将来可能发生突变的情况。
通行能力反算法是根据道路的通行能力、道路的功能等级、在城市中的区位、道路两侧开发建设情况等综合确定道路的背景饱和度。
考虑到本项目地块位于下中坝片区，区域内现状道路除主干路外交通量较小，区域交通运行状况良好；区域土地利用强度的增大和现有住宅的入驻强度加大，区域路网未来的交通量将会有一定的增加。
因此，结合各条道路的实际情况，采用年增长率法和通行能力反算法对背景流量进行预测。
考虑到区域城市建设不断加快，区域主要道路将承担更大量的到发交通和过境交通，作为商业功能区，该区域的交通高峰期将会与现有城市高峰期基本一致。
综合考虑上述情况，并根据道路服务求的土地利用开发强度、道路功能和性质，以及南充市近年不同道路的交通流量增长的统计规律，确定区域道路背景流量增长规律。
背景增长率确定主要依据项目区域土地利用现状、路网现状流量、嘉陵区土地利用规划，并结合《南充市国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》、《南充市“十四五”综合交通规划》确定。
四川南充市公安局交警支队发布，截至2023年6月，南充市机动车保有量1222937辆, 位于成都、绵阳之后，居全省第三。