高速公路联网收费系统是我国高速公路智能交通系统的一个重要组成部分，是高速公路基建项目资金回收和运营管理服务正常进行的保障。随着我国高速公路的快速发展，联网收费系统存储了海量的收费数据，如何对这些数据进行有效的分析和处理以便从中获取有用知识，已经成为一个非常关键的问题。然而用传统方法处理这些数据费时又费力，因此，亟需一种新的技术来解决这一问题。数据挖掘正是一项有效获取价值信息的新兴技术，它能够从大量的历史或在线数据中挖掘出隐含的内在关联、模式或趋势。在对与联网收费数据相关的实际问题进行调研并对原始业务数据进行分析的基础上，本文搭建了联网收费数据挖掘系统的框架和功能体系，同时对数据结构进行了规范约定和设计，并对挖掘过程进行了详细的设计和介绍。利用ETL技术对原始数据进行了提取、转换和加载的预处理操作，建立了以交通流量、通行费金额、OD旅行时间和超时车辆分类为主题的数据仓库。以SQL Server BI为数据挖掘平台，进行了基于各个主题的挖掘应用：首先，采用时序算法进行交通流量预测；其次，提出一种车辆分布和车型相结合的通行费金额预测方法实现通行费预测；再次，以时序旅行时间模型作为输入，采用神经网络算法进行OD旅行时间的预测，并在预测模型的基础上，提出一种改进的动态超时判断模型，并运用该模型对历史数据进行了是否超时判断；最后，采用决策树算法对超时车辆进行分类。文中利用软件集成开发环境Visual Studio2008和Microsoft SQL Server2008中的数据分析工具，对原始数据进行挖掘处理并得出最终结果。