随着我国经济的稳步发展和经济结构的不断优化,高速公路客运和货运量不断上升,高速公路收费站的通行压力日趋增大,再加上收费延误对通行能力的影响,高速公路收费站拥堵情况日趋严重,收费站逐渐成为了高速公路交通的瓶颈。因土地、资金、成本费用和环境等原因,高速公路改扩建成本很高。因此,从精确的管理角度入手是解决问题的可靠途径。高速公路收费站的未来车流量是制定收费站改扩建决策的重要依据,依靠精确可靠的预测结果才能做出有效的决策,只有这样才能高效地解决目前高速公路收费站所面临的拥堵问题,使交通服务水平不断得到提高。高速公路收费站车流量具有突发性、非线性等特点。Elman神经网络模型通过状态反馈、记忆并利用历史数据输出结果,不但实现静态系统的建模,还直接反映动态过程,具有适应时变特性的能力。与BP神经网络及其他一般神经网络相比,Elman神经网络模型在计算能力及网络稳定性方面都具有显著的优势,具有非常好的自适应能力。因此,高速公路车流量可以用Elman神经网络来进行预测。本文在详细分析现有高速公路车流量预测模型的基础上,研究了基于时间序列的Elman神经网络预测模型,并结合登封东收费站车流量的特点,利用matlab软件建立了登封东收费站出口月平均日车流量的Elman神经网络模型并进行了验证,在原始数据的预处理过程中,对数据的归一化方法进行了改进,使其更加适合中长期的车流量预测,结果证明改进后的Elman神经网络非常适合收费站的车流量预测,预测结果快速准确,针对车辆通行高速公路收费站的行为特点,对登封东收费站现有出口车道的通行能力进行了分析,利用Elman神经网络预测模型的预测结果通过VISSIM软件对登封东现有的车道配置进行了建模仿真和评价,结果表明登封东现有出口车道配置完全能满足三年内车流量需求,应着力于优化单车道通行能力,对异常车辆及时进行疏导,就能有效提高通行效率和服务水平。因高速公路车流量影响因素复杂,对车流量进行远期预测需要利用已预测得出的车流量数据,所以利用本文构建的车流量预测模型对远期预测结果的准确性难以把握,所以本研究仅预测了未来三年的月平均日车流量。今后还需对高速公路车流量的影响因素进行深入研究,预测方法进一步完善。如果先针对单个车流量影响因素建立神经网络模型进行精确预测,再利用精确预测的每个车流量影响因素预测值建立远期车流量的神经网络模型进行预测,会大大提高远期车流量预测的准确性。