高速公路最为显著的特点是通行环境良好，因而出行者喜欢并更倾向于选择高速公路完成出行过程。但是伴随着我国经济的蓬勃发展以及汽车保有量的不断提升，交通供需矛盾日益凸显，出行者对道路提供的服务水平期望程度不断增加，高速公路管理者认为提高道路运营管理效率的需求十分迫切。海量的高速公路收费数据蕴含了大量价值极高的交通信息，通过对这些数据进行处理分析可以获取各种高速公路运行特性。基于高速公路运行特性分析所获取的出行信息为出行者提供了便利，同时也为交通管理者制定管理决策和出台管理措施提供了依据和支撑。
　　本文首先从国内外研究现状入手，分析和总结了目前关于行程时间预测以及行程时间可靠性的研究情况。其次通过数据预处理、剔除异常数据和筛选有效数据三个步骤进行收费数据的处理，旨在改善数据质量，为下一步研究奠定良好的数据基础，进而更好的适应模型工具。然后对行程时间预测和行程时间可靠性进行研究。在行程时间预测研究中，由于粒子群优化算法(PSO)有全局搜索的性能，因而将粒子群优化算法引入小波神经网络(WNN)中，构建PSO-WNN组合模型进行行程时间预测实验，并对比分析了PSO-WNN模型和WNN模型的行程时间预测结果。实验结果显示PSO-WNN模型预测结果的各误差指标值均低于WNN模型且PSO-WNN模型能较为准确的预测出行程时间的走向及波动情况，在收敛速度方面也呈现出一定的优势，具有较好的适应能力。行程时间可靠性研究中分别采用正态分布和对数正态分布对各时段的行程时间进行拟合，并以误差平方和，判定系数，均方根误差作为衡量指标来评价拟合效果，从而得到对数正态分布拟合效果最优的结果，并在此基础并分时段计算了行程时间的可靠性。另外，介绍了行程时间可靠性指标的建立原则，并分析和比较了各类行程时间可靠性评价指标应用特点。最后对论文的研究成果进行总结，并提出了未来的研究展望。