高速公路收费数据作为高速公路联网收费管理系统的最直接产物,具有字段丰富、内容充实、数据量大、更新及时等特点。对收费数据进行深入分析及挖掘,能够得到许多隐藏在基础数据下的信息。本文基于高速公路收费流水数据的特征分析,从算法优化、模型建立、实例分析、应用对比等方面,对高速公路车辆旅行路径、断面车流量以及路段旅行时间进行预测研究,一方面改善出行者的出行选择,另一方面也能提高高速公路管理部门的管理水平。针对国内外相关预测研究中只注重单一方面,而缺乏完善且系统的综合预测挖掘研究的现状,本文主要完成了以下工作:首先,提出一种高速公路原始收费数据的预处理方法。针对收费数据中较大比例的异常数据,为最大程度减少异常数据的干扰,提出将异常数据分为冗余数据、缺失数据以及噪声数据这3类数据,分别进行处理方法说明,并通过实例对比,验证该处理方法的可行性。其次,基于马尔可夫预测法建立车辆旅行路径预测模型。分车型进行模型的建立以提高预测精度。针对预测法中状态转移概率矩阵的求解,选取统计法及线性方程组法分别进行求解并对比分析,采用实例进行验证,结果表明:统计法更适合于收费数据的预测特征。再次,在路径预测的基础上,针对高速公路路段交通状态的预测进行研究。选取路段断面车流量及车辆旅行时间作为路段交通状态的预测指标。提出一种基于收费数据的断面车流量统计法,以此为数据基础进行车流量预测。实例分析表明:基于自适应卡尔曼滤波算法的断面车流量预测,能避免卡尔曼滤波算法的缺陷,并提高预测精度。然后,论证路段旅行时间与断面车流量的相关性,提出基于密度的路段旅行时间估计方法并进行算法修正,通过MATLAB实例分析,验证该算法的可行性及准确性。最后,基于以上预测研究成果,提出高速公路收费数据的预测应用场景。分实时与非实时预测进行对比分析,并分别针对工作日、周末及节假日的不同交通特性进行交通预测,研究结果可得若干结论,用于相关领域的研究。