随着信息技术的日新月异,高速公路营运产业也带来了巨大的经济效益和社会效益。在联网收费中的信息管理系统中的收费系统、监控系统、通信系统的支撑下,崇遵高速公路正常运营了8年,随着营运管理、信息系统的构建,产生了海量的数据,这些数据背后潜伏着超越表面意义的更深层次的内容和信息,有效地挖掘高速公路营运管理信息系统中的各类数据,将有助于为营运管理提供依据,为营运决策提供有力数据支撑。本文主要研究以下工作：1.对数据挖掘技术的相关理论知识进行了深入的研究,着重研究了数据挖掘的分类和预测功能,为ARIMA模型和SVM模型、BP神经网络的预测模型的实现奠定了基础。2.对崇遵高速公路的营运管理机构设置、联网收费三大系统以及产生的相关数据进行阐述,对出口交通流量的月度、假期各时段进行需求分析研究,为数据挖掘的研究提供数据支撑。3.基于2009-2012年各月、劳动节各时段的出口交通流量,对未来出口流量的预测进行了研究。运用SPSS软件中的时间序列预测模块,将原始数据进行一阶差分后确认平稳性,再根据自相关图和偏自相关图确定了各自的系数,搭建了ARIMA模型,通过实证法验证了模型的可行性,该模型将应用于实际营运管理中,对合理制定通行费计划、启动各类预案有积极的指导意义。4.对收费站的分时段流量进行了预测,运用MATLAB工具箱,采用BP神经网络对假期各时段交通流量的进行预测,预测结果并不十分理想,之后又采用了相对稳定的SVM模型进行预测,实证结果表明,在预测假期各时段交通流量方面SVM模型明显优于BP神经网络。