高速公路不仅是交通运输现代化的重要标志,同时也是一个国家经济发展水平的风向标。中国的高速公路自从1988年开始建设以来,发展速度很快,尤其是“十五”开始,国家大力发展高速公路建设。目前我国高速公路里程仅次于美国,预计很快就会成为世界上高速公路里程最长的国家。在高速公路飞速发展的同时,对高速公路的管理也非常重要。就重庆市而言,根据市政府规划,2009年底以前将建成二环高速公路,届时将撤消重庆内环高速公路的所有收费站,在靠近二环的主城方向的射线高速公路上新建主线收费站,内环高速公路由政府回购,作为城市道路,内环至二环间的射线高速公路由政府租赁,实现年票化。那么在回购和租赁的过程中,准确、合理地确定高速公路的未来年交通量,便成为确定高速公路价值的关键因素。在这个背景下,本文对高速公路的年交通量数据进行研究,以达到准确、合理地对高速公路年交通量进行预测的目的。本文首先对现有的预测理论与方法进行了综述,重点研究了这些方法的特点和适用范围;然后对我国高速公路年交通量的特点进行了研究,由于我国高速公路建设历史较短,以前信息系统的建设不够完善,因此年度交通量的数据样本较小。另外高速公路年度流量的大小还与一个地区的经济发展水平、人口数量等区域经济因素相关,论文对这些因素也进行了归纳,以便使结果更符合要求。针对这些特点,结合现有的预测方法,本文采用支持向量机方法对高速公路年度交通量进行预测。支持向量机(Support Vector Machine,SVM)是Vapnik在统计学习理论基础上提出的一类新的机器学习算法。支持向量机基于结构风险最小化原理,与传统机器学习方法相比,SVM在解决小样本、高维度以及非线性问题上具有明显的优势。就推广性能而言,SVM具有较好的推广性,在统计意义上较少的支持向量对应很好的推广能力。从支持向量机的简单特性可以看出,支持向量机比较适合年度交通量的预测,本文将对模型进行精度以及一致性的检验。在应用支持向量机方法的时候,重点研究了支持向量机核函数以及参数选择等关键问题,通过测试样本的比较,选出较优的核函数;使用粒子群算法对支持向量机的参数进行了优化。