随着视频车牌采集系统的发展与完善，快速路行程时间的动态预测成为了可能。为了提高基于车牌识别数据的快速路行程时间预测精度及有效性，根据快速路车牌识别数据的特征和所能提取的信息，结合BP神经网络和支持向量机的预测优点，通过蜂群优化算法对BP神经网络和支持向量机模型的参数进行优化，提出了一种基于多模型融合预测算法（multi-modelfusionalgorithm，MMFA）的BP神经网络和支持向量机相结合的组合预测方法。最后选取成都市三环路某段上的视频车牌数据进行实例验证，结果表明该组合预测方法比单一的BP神经网络或者支持向量机具有更好的预测效果。