近年来,我国各大城市都在进行不同规模的城市交通规划,因此,交通调查成为当今诸多调查项目中的一个重要方面,而交叉口作为制约道路交通畅通的瓶颈,对其流量和流向特征的调查精度的要求较高。鉴于交叉口流量人工调查的繁琐性和低效性,本研究以“贵阳市交通能力建设”项目为依托,借助贵阳市交通调查的相关数据,建立贵阳市道路网交叉口流量反推模型,力求总结出一套高效、实用而又精确的获取道路网交叉口流量的方法,最终实现通过对某一区域道路网中部分路段流量的调查,推算路网中交叉口流量的目的。本研究将贵阳市中心城区内部分交叉口的分配流量和实际观测流量作为人工神经网络学习训练的输入／输出因子构建交叉口流量反推模型,最终实现通过简单的交通调查(包括道路网结构调查和部分路段交通量调查)推算出道路网中其他未调查交叉口的实际流量。本文首先概述了交通调查的相关内容并对贵阳市交通调查的方法做了介绍,同时对调查数据进行了整理分析；其次,鉴于交通分析小区划分不合理所导致的区内出行交通量过大的问题,介绍了交通分析小区重新划分及OD矩阵再算的基本原理和方法,完成了贵阳交通小区的重新划分及OD矩阵再算；再次,在明确交通分析小区OD矩阵反推原理的前提下完成了贵阳市交通小区OD矩阵的反推预测,得出了重新分区后较为符合实际的小区OD矩阵,将OD矩阵再分配,得到并统计了贵阳道路网中各交叉口的分配流量；最后,以贵阳市中心城区道路网交叉口的分配流量与观测流量为输入／输出因子,建立了基于BP神经网络的贵阳交叉口流量反推预测模型,并对该模型进行了精度检验和实际运用。