随着经济的发展,不断增长的汽车保有量及区域间的出行需求给高速公路交通带来了巨大的压力。为解决高速公路交通供需矛盾,在加快高速公路基础设施建设的同时,利用智能交通系统对高速公路交通状态实施全面地监控和预警,以提升高速公路的管理运营水平和服务水平,具有突出的重要性和必要性。交通量和行程时间是智能交通系统的重要参数,在实际的应用场景中,智能交通系统必须达到能够对路网的交通状态变化做出实时响应的要求,因此,对交通量和行程时间等参数实现精准、实时地预测,是高速公路智能交通系统亟需解决的关键技术问题。高速公路收费系统可自动采集车辆在路网内行驶的路径数据并实时上传,且系统内已经积累了大量的历史数据,这为分析路网的车辆通行特性及交通流参数预测提供了数据支撑。高速公路网是一个系统性的整体,路网内运行的车辆互相影响,因此在对路网的交通流参数进行预测时,为提高预测的准确性和可靠性,需对路网各节点的时空关联特性进行考虑。本文基于海量的高速收费数据,对高速公路路网交通流的时空分布进行了分析,在此基础上,对引入时空关联特征的高速公路行程时间预测方法进行了深入研究,以平均误差、峰值预测能力、不同步长下的预测稳定性等多个角度,对不同的模型进行了综合分析与评价,为不同的交通流预测需求提供了预测方法选择的依据,主要研究内容及创新如下:1.针对出入口数据和门架数据这两种不同类型的高速收费数据,给出了从原始数据转化为交通量和行程时间样本数据的统计逻辑和统计方法。为给高速公路交通流预测提供可靠的样本数据,本文对两种高速收费数据的原始数据进行了统计分析。通过分析发现两种不同类型的数据中都存在数据冗余、数据缺失、数据离群的情况。针对不同的数据异常情况给出了不同的识别和处理方法:对于数据冗余的情况,根据车牌、驶入时间、驶入收费站编码、驶出时间、驶出收费站编码等字段进行分类,将重复记录进行删除;对于数据缺失的情况,对样本数据进行空值查询,根据实际需求采用插值法进行填补;对于数据离群的情况,用上下四分位数法对离群值进行筛选和剔除。2.基于广东省高速出入口收费数据和门架收费数据,对广东省高速交通流的时空关联特性进行了分析。通过对宏观区域和微观节点的交通流空间关联分析,发现收费站入口流量的大小和入口车辆的平均到达里程呈现相反的分布规律。通过对交通流时间关联特性的分析,发现从时间维度影响交通流变化趋势的因素包括交通流自身的历史分布趋势以及与交通流空间相关的因素的历史分布规律。这些时空关联分析为模型的输入结构提供了一定的思路。3.为了提高高速公路交通流预测的准确性和稳定性,为不同的交通流预测需求提供预测方法选择的依据,本文以广东深圳水官高速为研究对象,基于相同的样本数据集,以收费站入口流量、时间外部特征、路段行程时间历史数据等与目标路段具有时空关联特性的因素构建模型的输入特征空间,将LSTM、Random Forests、XGBoost、KNN、SVR五种较为常用的模型应用到高速公路行程时间预测问题上,最后,采用贝叶斯回归方法对各模型的预测效果进行综合寻优,提出了基于贝叶斯回归的融合预测模型。以平均预测误差、峰值预测能力、不同步长下的预测效果稳定性、平均训练时长和每秒预测样本数等多个角度分对比分析各模型的预测能力和预测效果。基于对比分析结果,针对不同的预测需求提出了选择不同预测方法的建议。