高速公路作为连接不同城市的通道,既方便了人民的出行,又促进了区域间和区域内的经济联系,激活了高速公路沿线地区的经济发展,是国民经济发展的大动脉。经济的发展决定了高速公路网的发展规模,而高速公路网络的建设发展又促进着经济的快速提升,两者相辅相成,相互促进。对高速公路运行情况作研究,有助于改善当前高速交通流状态,达到提高经济发展水平、方便人们出行的目的。本文创新地针对高速公路实际情况对广度优先搜索算法进行改进,用到搜索所有的可能路径上,使用收费数据对每条记录的车辆路径信息进行重构,得到完整准确的路径,并对车辆的完整行驶过程进行分析,估计高速路网各路段的交通流状态。除此以外,还对每条收费记录的收入按照行驶路径,把所经过每条高速的实收金额计算出来,最终汇总得到所有高速公路的收益状态。创新性地提出对高速公路网络地复杂网络分析方法:根据路段的交通流状态与收益状态,分别建立交通流状态网络与高速效益网络,对网络拓扑结构进行度分布与中介中心性指标的分析,选取关键节点。将图神经网络算法应用到交通流状态网络上,对网络节点进行分类,将关键节点的分类结果进行分析,找到了关键节点分属不同类的原因。本文使用广东省部分高速公路收费数据进行案例分析,以python和pajek为工具,运用上述方法获得所有数据已有高速公路的状态,并将高速公路交通流状态用热力图展示出来,找到了状态较差的路段。然后把交通流状态作为边权赋予交通流状态加权网络,把收益状态作为点权赋予收益状态网络,进行复杂网络指标分析。在道路网络度值大于2的节点中,根据加权网络与道路网络度值的比值接近3的条件找到关键节点7个,将其与现实路况进行比较,结果比较符合;根据中介中心性大于0.2的节点,找到车流中转高速及其枢纽节点4个,这是用量化的方式寻找到高速公路中转路段的新方法。进行图神经网络分析,关键节点的分类情况不一致,与预想的效果不同,得到了图神经网络的使用需要有合适的网络构建方法的结论。