随着我国智慧高速公路飞速发展,人们对高速公路未来时刻交通状态预知需求日益增加,交通量的准确预测作为基础数据在高速公路智能交通系统中扮演着重要的角色。本文利用东北某省高速公路收费数据,定性和定量的分析了高速公路交通量时空特性及天气因素对交通量的影响,基于上述分析对高速公路交通量预测模型进行研究。主要创新点如下:1.提出基于数据融合的高速公路短时交通量预测模型。首先在高速公路交通量时空特性分析的基础上,对交通量时间序列性、周期相似性和空间序列性状态向量进行定义,利用BP神经网络预测模型对三个特性的输入维度进行研究。然后以BP神经网络预测模型为基础,结合自适应加权数据融合算法对时空特性预测值进行融合,构建交通量预测模型。实验结果表明,工作日和休息日高速公路交通量预测平均绝对误差百分比均在5%以内,与单变量预测模型相比具有更好的预测准确度和实用性,可为智能交通管理系统提供数据支持。2.提出基于RF-IABC-MKLSSVM高速公路短时交通量预测模型。首先根据高速公路交通量特性分析,建立随机森林算法动态特征变量选择模型,筛选出对客、货车交通量预测影响重要的特征变量,构建高峰时段和平峰时段交通量小样本数据集,进而选取最小二乘支持向量机作为基础预测模型,选取Ploy核函数、Sigmoid核函数和RBF核函数建立多核核函数。然后利用结合差分进化、最优位置选取和自适应调整思想改进的人工蜂群算法对多核最小二乘支持向量机参数进行优化,构建交通量预测模型。实验结果表明,高峰时段和平峰时段客货车交通量预测准确率较高,总的交通量预测误差控制在[-30,20]之间。