本文首先介绍了现有的交通信息采集技术、行程时间预测方法及行程时间预测的研究成果，说明了利用联网收费系统信息资源的价值及所采用预测方法应满足的条件。 其次，对联网收费数据的信息资源进行了整合分析，针对收费记录原始数据中存在的问题，建立了一个数据预处理流程，获得了分析预测的基础数据，同时以实际情况为背景对研究的对象作了抽象。在数据预处理的基础上，构造出行程时间序列与出入口流量时间序列，通过数据规律性分析以及影响因素的相关性分析，确定以行程时间序列作为预测研究模型算法的输入变量。 最后，分别以ARMA模型和BP神经网络算法进行路段行程时间预测的研究，建立了高速公路路段行程时间的ARMA预测模型和BP神经网络预测模型。并用1天的路段平均行程时间数据对上述模型的预测效果进行了检验，结果表明，两种预测模型均具有较高的预测精度，ARMA模型的平均绝对值误差率为9％，BP神经网络模型的平均绝对值误差率仅为8％，这两种方法用于高速公路路段行程时间的预测均可以取得令人满意的预测效果。