随着经济发达地区交通量超常增长,城际高速公路交通负荷日益增加,尤其是进出城区路段高峰期通行能力饱和,事故频发,拥堵严重,已成为制约城市经济与交通持续发展的新“瓶颈”。在道路硬件建设不可能短期实现的情况下,通过技术手段优化和完善区域道路交通控制与管理就成为一种有效的对策。高速公路服务水平判定作为智能交通系统的一部分,如果能够准确预测,便可以对出行者出行进行引导,均衡交通流,减少交通拥堵。但目前服务水平理论在高速公路基本路段的应用上还存在缺陷,有待于进一步完善,因此全面系统研究高速公路服务水平,对于形成适合我国国情的高速公路服务水平判定方法,促进高速公路健康发展,具有重要的理论参考价值和现实指导意义。本文归纳总结了城际高速公路交通特征,并以京津塘高速公路为例求出交通流参数之间的相互关系;定性阐述了交通流其它参数对交通流量的影响,在灰色系统预测中综合考虑了交通流量、速度和占有率。同时在深入分析传统交通流量短时预测方法优缺点的基础上,利用遗传算法优化改进BP神经网络模型,并从数据融合的角度出发,提出交通流量短时预测的组合法;进而根据交通流连续性假设,建立交通压力公式,构建基于交通流量短时预测的城际高速公路基本路段服务水平判定模型,协调兼顾出行者和管理者的利益。综合比较各种预测方法,选取神经网络和遗传算法相结合的改进模型、灰色系统预测法、自回归求和滑动平均模型、三种方法的组合预测模型,运用京津塘高速公路实测数据,对其交通流量进行了预测,将四种模型的预测结果对比分析,结果表明组合模型的预测准确性高于各自单独使用时的准确性。最后利用组合预测的结果判定该路段的服务水平,并与传统方法的判定结果相比较,对所建立的高速公路服务水平预测模型进行初步验证,表明该方法具有较高的合理性和实用性,测算结果为高速公路交通管理与控制提供了依据。