高速公路OD矩阵预测是高速公路交通需求预测的环节之一,是高速公路网规划的重要依据。然而,基年OD矩阵的获取是OD矩阵预测过程中的一大难题。随着交通大数据的发展,高速公路联网收费数据为基年OD矩阵获取及车辆出行时空特性分析提供了新的契机。由于交通出行中的不确定性因素众多,对OD矩阵预测提出了更高的要求。为了满足高速公路网规划、管理的要求,对高速公路车辆出行OD矩阵预测的研究势在必行。同时,为了降低决策的风险,有必要进行区间OD矩阵预测研究。论文以交通大数据为背景,对联网收费获取的数据进行数据清洗、数据集成及收费站点编号等预处理工作。通过提取现状OD矩阵,进行高速公路车辆出行时空特性和车型结构分析。在此基础上,提出以网络最小误差为目标的交通生成量BP神经网络区间组合预测方法。然后,以实际值与预测值中点、半径差值最小为目标,构建交通发生、吸引量区间组合预测模型。为了明确目标年OD出行量的变化趋势,提出趋势系数的概念,将OD矩阵预测的关键转换成区间趋势系数矩阵的求解。以现状OD矩阵点乘区间趋势系数矩阵得到新矩阵的行求和、列求和与目标年交通发生量、吸引量区间距离最短为目标,建立区间OD矩阵预测模型。最后,以G省高速公路联网收费数据为基础,运用本文的方法对该省高速公路的OD矩阵进行预测,根据现状数据分析的结果对矩阵分布的合理性进行了检验。本文提出的基于高速公路联网收费数据的区间OD矩阵预测方法,能够充分考虑交通出行中的不确定性。预测得到的区间OD矩阵能为高速公路网规划和运营管理提供理论支撑。