高速公路短时交通流预测和建模是公路管理决策支持系统的核心内容和重要基础。对提高高速公路管理水平具有重要的意义。本文对高速公路短时交通流预测方法和交通流建模进行了研究,在分析现有研究的基础上,改进并构建了新的交通流短时预测方法和一种新的交通流模型,展示了其在高速公路应急管理中的典型应用,主要研究内容和结论:1.高速公路交通流短时预测方法研究:首先,对非参数回归和神经网络两种方法在高速公路交通流短时预测中的应用进行对比分析,对数据量的需求和交通流波动的应对能力进行了考察,发现非参数回归方法对数据的要求更低而神经网络方法对于突变点的预测能力更好。其次,采用机器学习和模式识别领域中的特征选择思想,提出一种混合的、应用于非参数回归短时交通流预测的特征选择方法。即首先使用ReliefF算法初步筛选状态分量,形成候选分量集;再使用遗传算法和delta-test作为评价指标,对分量集进行精选,形成最优或次优的状态向量。经实际数据实验表明,在预测点位附近的道路拓扑结构较复杂时,该方法得出的状态向量能够明显降低包括非参数回归和神经网络在内的多种非参数交通流预测的预测误差,且能明显提高对交通流状态突变时的预测精度。2.提出了一种基于交通仿真模型的交通流预测。在交通流仿真模型的基础上运用计算机仿真技术,模拟出道路网上交通流的运行状态,进而预测出道路交通流的信息。3.提出了一种基于交通流预测结果的高速公路巡逻车辆调度方法。在分析高速公路事故和影响其发生相关外界因素间关系的基础上,利用面板数据模型的分析结果,建立风险权重与预测数据关系式。根据实时预测数据,得到路网中每一个路段的事故发生可能性的动态权重。最后建立高速公路巡逻车的动态巡逻路径模型和最佳救援路径模型,利用两个模型的求解算法并进行仿真。算例表明这两种模型能有效的提高巡逻车辆和救援车辆的调度效率,降低事故的潜在损害。本文研究结果有助于提高高速公路运行状态分析能力和管理水平,对高速公路拥堵的管理和紧急事件应急处理都有一定的参考价值。