高速公路服务区作为高速公路的重要配套设施和主要服务窗口,其对保障行车安全,提高高速公路经济效益及美化环境等有着重要的作用。然而,目前我国高速公路服务区的发展建设还处于起步阶段,国内关于高速公路服务区规划设计和规模确定的相关标准还很缺乏,尤其在服务区规模确定方面,国内没有相关的技术标准可以依循,只能参考有限的国外资料,但是,由于国内高速公路及其服务区的快速发展以及各国实际国情的不同,国外资料中的技术标准和参数值的设定能否适用于我国高速公路服务区的规划建设和规模确定,还有待考证;同时,由于高速公路服务区规模确定是服务区建设与规划的重要组成部分,而高速公路断面交通量、车辆驶入率等参数又是影响高速公路服务区规模确定的主要因素,然而,目前国内外对于断面交通量、车辆驶入率等高速公路服务区规模参数的研究多是在大量样本数据的基础上从纯数学角度进行建模、分析、预测,其所建立的单一的数学模型主要依赖于所采用样本数据的数量和质量,突变或者缺省的样本数据对预测精度的影响较大,同时,其数学模型还具有缺乏建立合理服务区规模参数模型的理论判断、缺乏自学习和自适应能力以及缺乏与历史数据相对应的合理算法等缺点,而鉴于高速公路网络系统的非线性、复杂性和不确定性的基本特征,基于上述确定数学模型的研究方法越来越不能满足实际的需要。鉴于此,本文将遗传算法与小波神经网络等先进的人工智能技术与高速公路服务区规模参数研究相结合,以高速公路服务区规模参数为研究对象,首先在高速公路服务区服务对象需求分析的基础上针对停车场、加油站、厕所及餐厅四个功能服务设施规模的影响因素进行了分析,确定了影响高速公路服务区规模的主要参数;接着通过对现行各种高速公路服务区规模参数确定方法的系统介绍及其优缺点的对比分析,提出基于遗传算法与小波神经网络的高速公路服务区规模参数确定方法,构建了基于遗传算法与小波神经网络的高速公路服务区车辆驶入率预测模型;最后以重庆市高速公路服务区调研项目为支撑,将本文研究的理论成果运用到该实例当中,对其加以证实,以说明论文所构建的基于遗传算法与小波神经网络的高速公路服务区车辆驶入率预测模型的正确性和可操作性。