基于數(shù)據(jù)挖掘的高速公路營運(yùn)決策支持技術(shù)研究.pdf

1、隨著高速公路營運(yùn)管理日趨信息化，聯(lián)網(wǎng)收費(fèi)與監(jiān)控系統(tǒng)中積累了海量收費(fèi)數(shù)據(jù)與車輛行駛記錄。然而，現(xiàn)有的營運(yùn)管理技術(shù)還停留在數(shù)據(jù)查詢與統(tǒng)計(jì)分析階段，遠(yuǎn)遠(yuǎn)不能滿足諸如道路狀況預(yù)測、信息服務(wù)提供以及車輛稽查等智能化管理需求。本文以高速公路歷史收費(fèi)數(shù)據(jù)為基礎(chǔ)，圍繞智慧型公路營運(yùn)管理平臺概念，探討了利用數(shù)據(jù)挖掘在海量數(shù)據(jù)中發(fā)現(xiàn)車輛行駛規(guī)律等隱藏知識的方法。在此基礎(chǔ)上，重點(diǎn)研究了車流量預(yù)測、行程時間預(yù)測和逃費(fèi)車輛稽查等高速公路營運(yùn)管理中的熱點(diǎn)問題，從而

2、為高速公路營運(yùn)管理的智能決策支持奠定基礎(chǔ)。論文的主要研究成果及相關(guān)創(chuàng)新點(diǎn)包括:
　　1.車流量預(yù)測問題一直是交通領(lǐng)域研究的焦點(diǎn)，此問題的解決對收費(fèi)站周邊區(qū)域的車流疏導(dǎo)具有重要的意義。本文以交通流宏觀流體模型為基礎(chǔ)，給出基于BP神經(jīng)的交通流預(yù)測模型，實(shí)現(xiàn)了短時間站點(diǎn)間交通流的預(yù)測。
　　2.就行程時間預(yù)測，設(shè)計(jì)了基于歷史數(shù)據(jù)下的平均行程時間，融合多種因素的路段行程時間模糊預(yù)測模型，并應(yīng)用模型進(jìn)行單車路段行程時間預(yù)測。該模型區(qū)別

3、于以往偏重于采集的短時交通流數(shù)據(jù)，考慮車輛特征、行駛時段等因素對行程時間的影響，實(shí)現(xiàn)行程時間神經(jīng)網(wǎng)絡(luò)模糊預(yù)測。模型預(yù)測結(jié)果效果良好，展現(xiàn)了一定的實(shí)用性。
　　3.構(gòu)建了基于收費(fèi)特征字段與逃費(fèi)現(xiàn)象之間關(guān)聯(lián)的挖掘模型，實(shí)現(xiàn)了偷逃通行費(fèi)行為的稽查分析。論文使用數(shù)據(jù)挖掘工具Weka實(shí)現(xiàn)了對所設(shè)計(jì)模型的建模與模型應(yīng)用。模型應(yīng)用的結(jié)果表明對于變型車等偷逃通行費(fèi)行為有很高的稽查性能。
　　本文針對具體問題的數(shù)據(jù)挖掘分析，挖掘成果展現(xiàn)了一定