基于混合Markov模型的ETC收费数据挖掘研究

ETC收费数据中蕴含着大量的信息,如何利用数据挖掘技术解决运营管理中的问题成为高速公路管理部门的迫切需求.本文选取ETC历史数据构建路径序列事务数据库,针对基本Markov路径预测模型预测准确率低、覆盖率低的缺点,提出了一种基于混合Markov路径预测模型预测高速公路车辆路径的方法,利用该方法实现了高速公路ETC车辆未来通行状态的预测,同时检测出异常的路径序列.实验结果表明,该方法检测结果可靠,总体预测准确率达到83%以上,能够为高速公路管理部门开展收费稽查、提高ETC管理水平提供理论依据和决策参考.

基于收费数据的高速公路交通态势感知方法探究

本文提出一种基于收费数据的高速公路全网路段划分与交通态势感知方法,以ETC门架和收费站为路段的检测节点,基于矢量地图对全网路段进行划分,从ETC门架交易数据和收费站交易数据中提取路段交通量和区间速度,结合道路属性利用综合评价指标对全网的交通状态进行判断,并对比指挥调度系统中的拥堵缓行数据,对模型结果进行定性分析,证明其有效性。

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。

基于群落分析的非法客运车辆群体的分布研究

现场巡查非法客运车辆的监管模式其效率和信息化程度较低。为高效管理高速公路非法客运车辆,根据高速运政部门管理经验量化其高速公路交易数据的行驶特征并提取其群体分布的影响因子,并借鉴生态学和基因组学常用的群落分析框架,进一步通过多元回归树、典范关联分析和共生网络分析等方法探讨疑似非法客运车辆分布及其与影响因子间的关系。案例分析结果表明:疑似非法客运车辆受高行驶路段相似度和低单日行驶频次影响较大,且车辆较大的连续出现天数与高行驶路段相似度正相关;行驶路段相似度、单日频次及行驶城市相似度的P值为显著相关水平且对该群体分布的贡献率最大;关联模块内站点与非法客运车辆行驶轨迹基本一致,同属关联模块3的车辆的出站点S7和S14、S36和S42的R值较高,为疑似车辆进一步筛查的关键站点。基于群体结构分析非法客运车辆群体的影响因子挖掘疑似车辆的分布特征可支持相关部门对非法客运车辆进行数字化管理。

DSRC检测器实际应用中的问题浅析

本文利用数理统计的方法,对DSRC检测器在实际应用中存在的问题进行了分析。首先,针对DSRC检测器的正向安装和侧向安装两种方式,通过对DSRC数据及ETC收费数据进行统计,分析了2种方式的优缺点;其次,利用DSRC数据分析了检测器的安装位置对交通运行状态的影响。研究表明,正向安装方式优于侧向安装方式;对于出、入口流量较大且有ETC车道的收费站,建议将ETC收费数据纳入与DSRC检测器的融合,以减少DSRC检测器的布设量。研究结果为DSRC检测器的推广应用奠定了基础。