断面流量是描述高速公路交通状态的重要参数,对其进行有效估计预测,不仅有利于交管部门进行交通设施配置和交通诱导管制,还有利于公众出行路径选择。目前关于断面流量的研究大多以交通检测设备所在断面为研究对象,由于现有交通检测设备分布稀疏,研究断面范围有限;而使用收费数据对断面流量进行估计的研究主要基于历史数据统计分析,时效性过低。因此,若能合理利用这两类数据源,将可望对高速公路主线断面流量进行更为全面更加实时准确的估计预测,对提升高速公路管理质量有重要意义。本文针对路段交通检测设备的不同安装情况,利用流量转移系数反映高速路网收费站间流量时空关系,分别提出了基于单一收费数据与结合车检器和收费数据的断面流量估计方法,并用车检器数据对估计结果进行校正,最后通过分析断面流量时间序列的时空特性建立了断面流量预测模型。论文主要内容包括:（1）基于收费数据的断面流量估计。针对路段无车检器等交通检测设备的情况,考虑到高速公路交织区车辆分流合流以及OD间车辆的相互影响等因素会对车辆行驶造成影响,以及在较为实时的断面流量估计时下游收费数据回传情况不同,本文利用收费数据OD信息对路段行程时间以及收费站间流量转移系数进行估算,以此为基础提出一种基于收费数据的断面流量估计方法,并用重庆高速联网收费数据对估计方法进行了实验,验证了方法的有效性。（2）结合车检器和收费数据的断面流量估计。针对路段安装了车检器的情况,利用车检器和收费收据,采用加权平均法实现了基于数据融合的断面流量估计;为进一步降低估计误差,提出建立RBF神经网络模型对断面流量估计结果进行校正。实验结果表明结合车检器和收费数据的估计方法较基于单一收费数据的估计方法在工作日和节假日都有更好的估计效果,校正模型对两类估计方法的估计结果均有修正作用,具有较好适用性。（3）考虑交通流时空特性的断面流量预测。针对现有断面流量预测主要考虑时间规律性,对空间特征缺乏度量的问题,提出利用欧氏距离和灰色关联度选取对断面流量影响程度较高的时空特征,然后根据路段车检器的安装情况,在断面流量估计结果的基础上,基于LSTM神经网络建立了考虑交通流时空特性的断面流量预测模型。最后实验验证了断面流量预测模型的有效性和适用性。