高速公路联网收费数据包含了海量的车辆在路网内行驶的记录，蕴含着丰富的交通行为信息。与传统的利用车辆检测器或者视频检测器观察道路运行状况的手段不同，联网收费数据是针对单目标车辆的，提供了一个从微观到宏观、从车辆到路网的研究途径，能够更加准确地把握交通行为、交通结构、交通分布在路网中的特征。以车辆检测器作为数据采集手段，在实际路段布设的车辆检测器容易发生故障，其数据完整性受到电源、网络、通信等因素的影响。以视频检测作为数据采集手段时，由于视频数据较大，对传输过程要求较高，不利于数据的实时分析和处理。联网收费数据受实际业务工作要求，必须保证其数据的安全、完整、及时传输。其次，联网收费数据能够准确地反映交通的车型、路线、行驶时间等信息，因此，以联网收费数据作为观察路网交通运行状态的窗口，具有较为明显的优势，也更适合于数据挖掘工作的实际业务应用。本文将高速公路联网收费系统采集的海量原始数据作为数据源，结合实际路网的交通分布结构，深入高速公路运营管理部门的业务应用，开展基于路网交通分布结构数据挖掘的交通流预测研究。本文利用BP神经网络对短时断面交通流进行预测算法研究，可以获得不同收费站不同时段未来短时内的交通量估计，从而指导实际的运营工作协调、资源的优化配置。同时，在特殊时段、交通高峰期内及时疏导，有利于减少交通延误，提高路网的运行效率，促进高速公路运营管理和服务水平。基于路网交通分布结构数据挖掘的交通流预测研究，是将数据挖掘成果应用于实际业务的综合体现。与此同时，基于路网交通分布结构进行联网收费数据挖掘的研究，可以实现路网交通分布结构稳定性的分析。经过验证，在实际路网运营中，两两收费站之间交通分布结构具有稳定性，其不同车型的周交通量构成具有特有的模式。以车辆来源、车型为划分准则，分析区域内各城市间交通行为的空间流向规律，可以探讨城市间交通行为与区域经济活动在季节、周期、路线方面的关联规则，开创了交通系统与社会经济互动研究的新思路，实现交通数据挖掘成果在社会经济领域的应用。