La investigación indica que la proyección de volúmenes de tráfico es una herramienta valiosa para la gestión del tráfico. Sin embargo, pocos estudios han examinado la aplicación de un marco automatizado universal para la predicción del volumen de tráfico de automóviles. Dentro de esta literatura limitada, los estudios que utilizan conjuntos de datos amplios y predictores inclusivos han sido insuficientes; dichos trabajos no han incorporado un conjunto completo de algoritmos lineales y no lineales utilizando un enfoque robusto de validación cruzada. El modelo de canalización propuesto introducido en este estudio identifica automáticamente el método de selección de características más apropiado y el enfoque de modelado para reducir el error porcentual absoluto medio. Utilizamos la optimización de hiperparámetros para generar un marco automatizado universal, distinto de las técnicas de optimización de modelos que dependen de un único estudio de caso. El modelo resultante puede ser personalizado de forma independiente para cualquier proyecto respectivo. Automatizar gran parte de este proceso minimiza el trabajo y la experiencia requerida para la predicción de recuentos de tráfico. Para probar la aplicabilidad de nuestros modelos, utilizamos datos históricos de tráfico de Florida entre 2001 y 2017. Los resultados confirmaron que los modelos no lineales superaron a los modelos lineales en la predicción de los volúmenes de tráfico mensuales de vehículos de pasajeros en este estudio de caso específico. Al emplear el marco desarrollado en este estudio, los planificadores de transporte podrían identificar los enlaces críticos en las carreteras de EE. UU. que sufren problemas de sobrecapacidad.