1、隨著經濟發(fā)展和交流的日益頻繁，高速公路交通流量逐年遞增。實時對車流信息進行監(jiān)控、預測交通流量的峰值對可能出現的通行高峰提前預警，是快速解決城市高速公路出入口擁擠的主要方法。目前，在高速公路車流量預測的研究中，時間序列、多元回歸等都是較為常用的理論工具。由于此類模型只利用了交通流系統(tǒng)本身的歷史數據，沒有考慮其他任何影響因素(如沒考慮相鄰路段的影響)，在現實預測中，其結果與實際值間往往存在明顯的時間延遲。 本文利用數據挖掘技術，建立

2、了高速公路車流量預測系統(tǒng)。該系統(tǒng)可為高速公路各等級路段提供車流量預測的手段。文章首先對收費業(yè)務數據進行分析，討論了車流量數據預處理的相關技術。通過消除噪聲數據、補全缺失數據等數據技術，得到高質量的數據。并根據車流量數據可能存在的誤差情況，建立了以時間序列模型為基礎的神經網絡預測模型：先將非平穩(wěn)的數據序列通過時間序列模型進行平穩(wěn)化處理，再將生成的平穩(wěn)時間序列模型作為神經網絡的輸入端進行預測分析，以提高在短期車流量預測中達到更高的預測精度。