基于ETC收费流水数据的非法客运车辆特征研究

非法客运车辆的频繁通行影响了道路运输的安全和市场秩序的稳定。文中基于改进的K-means^(++)算法构建了非法客运车辆识别方法,并以贵州省贵阳市高速公路400万余条数据做实证研究,构建与通行天数等与时间相关的6个聚类特征变量,对约26万样本车辆进行聚类分析得到疑似非法客运车辆的分布情况,从车牌、时间和空间等方面获得疑似非法客运车辆的出行特征:车牌分布以贵阳本地车牌为主并占比约80%;非工作日客运车辆无明显进出站高峰期,而工作日客运车辆的进站高峰期为8-10点和出站高峰期为17-18点;车辆最常用的出行路线为贵州乌当站与贵州综保站间的往返路线;最大嫌疑车辆为在工作日9∶00-10∶00间进入贵阳市乌当收费站点的贵阳本地牌照车辆。研究结果既为贵阳市打击非法营运车辆提供可靠的分析依据,也为其他城市交通运输管理提供方法借鉴。

基于高速公路货车收费数据库的全息样本遴选

为了确定与全年高速公路交通流量相似度最高的样本区间,为交通流量分析提供可靠的样本选择方案,以国内某省一年高速公路货车收费流水数据库的数据为对象,建立基于时间、空间、轴型三个维度的相似评价指标体系。采用欧氏距离、平面向量夹角公式以及熵权法来计算各样本与全年数据之间的离散度。结果表明:单一考虑某个维度时,结果有差异,无法代表整体特征;在相似评价体系下,离散度最低的样本分别是三月、第十八周和周一。

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加,高速公路缓行和交通拥堵等问题时有发生,特别是在重大节假日期间.目前,解决上述交通问题的主要方法是交通需求管理措施,而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析,掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据,借助K-means++聚类方法识别使用高速公路日常通勤的车辆,进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度,挖掘城市通勤快速出行廊道分布,研究高速公路网与城市道路网络的关系,对提高交通系统效率和缓解交通问题具有重要的意义.

高速公路收费数据管理系统

取消全国高速公路省界收费站后,收费交易流水数量和数据传输链路增多,在日常收费系统运行过程中,易造成流水滞留,影响高速收费业务正常开展,也影响用户体验。本文介绍的高速公路收费数据管理系统,通过科学管理流程,对高速公路收费数据进行全生命周期管理,经过在某省上线验证,可以解决收费数据上传不及时、业务不完整等问题。

基于收费数据分析可疑逃漏费车辆技术方案

本方案的目的是通过高速公路的收费流水数据,发现可疑逃漏通行费的车辆。其方法是根据发生逃漏通行费行为的业务场景,分析收费流水数据中的异常特征,根据一系列权重模型筛选出较高的异常数据,通过软件页面的形式提供给运营用户,为后续的追缴费业务提供依据。