随着高速公路的快速发展,更多的人们选择高速公路的通行方式,因此经常出现收费站水泄不通的现象。为保证人们的出行安全,交管部门提出高速公路信息系统向智能化信息化的转型,通过技术手段更好的掌握和管理车辆通行情况。因此,项目组决定开发本系统,对交通流进行分析揭示各区域之间的互动关系;为交通诱导、分流提供可靠的数据支持,极大减少车辆拥堵;为出行者提供车流数据,更准确的掌握高速公路的通行情况,决定最佳出发时间。本文首先介绍了项目的背景和国内外现状,对整个系统进行功能性和非功能性需求分析。根据需求分析设计系统架构、划分功能模块、设计系统数据库。接着对系统进行详细设计与实现。笔者独立完成基于长短期记忆网络(Long Short-Term Memory,LSTM)的交通流量预测模型和基于朴素贝叶斯算法的车辆配对算法,以及系统的个体车辆流向分布、整体车辆流向分布、榜单排行、交通流量预测模块的开发工作。在系统设计与实现中,首先介绍了两个算法的设计与训练:基于LSTM的交通流预测算法,充分考虑交通流的三个时间依赖因素和地域因素,使预测误差率低至10.05%,并与支持向量回归预测模型相比该模型表现更优异;基于朴素贝叶斯算法的车辆配对算法,当存储数据存在错误车牌并且车辆跨省通行的时候,结合除车牌号的其他信息进行车辆配对,还原出行轨迹,匹配准确率达到84.6%。其次,介绍了该系统各个模块的设计与实现,分别有:个体车辆流向分布模块,对个体车辆的通行情况进行详情展示,从个体角度分析个人的交通流向,综合统计车辆在高速公路上的通行信息,从而为整体车辆流向分布模块提供基础支持;整体车辆流向分布模块,掌握了客流和货流的整体流向分布情况,宏观上反映区域间的互动关系;榜单排行模块,收集收费站和路段的车辆通行特征,反映高速公路总体运行特征;交通流量预测模块,是在未来短期态势内对榜单排行靠前的收费站进行量化的分析,进而预测该地区未来短期的交通运行情况。经过后期测试,该系统能够满足业务需求。目前系统已经投入使用,运行正常,功能稳定,达到了预期目标。