城市群以发达的经济和密集的人口作为标志,城市群内部的交流日趋紧密,人们的出行需求十分庞大。虽然成熟的城市群拥有密集的高速公路网络,但在面对巨大的出行需求时仍会出现供给不足的情况,尤其是在大型节假日或出现不利天气之时。目前我国的智能交通系统的应用逐渐成熟,高速公路网络已全面应用联网计费,并采集了丰富的高速公路收费流水数据、门架数据等数据,但相关的大数据处理及应用仍处于起步阶段。基于上述背景,本文以交通大数据、天气大数据等多源大数据作为驱动,并以我国最为发达的城市群之一——粤港澳大湾区为例,研究城市群高速公路交通量的时空分布及影响因素,从宏观层面揭示城市群的交通集散特性和枢纽特性,并分析影响城市群高速公路交通量的因素,为高速公路管理者和出行者提供相关的数据支持。针对多源大数据的时空匹配与数据提取问题,本文采用时间序列法对时间数据进行插补、反距离加权插值法对空间数据进行插补,并从时空维度对多源大数据进行融合。针对交通流量时空特性分析与地域在高速公路网络中的枢纽性研究的问题,本文在对城市群交通参数进行数理统计和时空特征提取的基础上构建城市交通集散性模型,并创新性提出城市高速公路交通枢纽性模型,最后结合城市分级理论对各个城市进行高速公路网络交通枢纽性分级评价。模型分级结果与地区经济发展和交通网络结构相匹配。针对城市群高速公路网络交通流量影响因素分析及预测的问题,本文对影响城市群高速公路网络交通流量的天气、交通、时间因素和年份随机变量逐一引入模型,构建并对比混合效应回归模型和随机森林回归模型,在此基础上提出基于岭回归的MER+RF融合预测模型对交通量进行预测,并应用于不同的时空子模型。结果表明,高速公路交通量的影响因素表现出时空异质性,且本文提出的融合模型的预测精度高于单一模型。针对天气缓冲效应对城市群高速公路交通流量影响的问题,本文构建了以天气因素为局域性变量、交通因素和时间因素为全局性变量的混合地理加权回归模型,对天气因素的超前和滞后效应及其缓冲时长的影响进行对比分析。结果表明,使用Gaussian核函数的混合地理加权回归模型的拟合效果最佳,天气因素的缓冲效应存在空间异质性。