高速公路ETC數(shù)據(jù)挖掘研究與應用.pdf

1、近年來,隨著經(jīng)濟社會的高速發(fā)展,我國的高速公路建設事業(yè)取得了舉世矚目的成就,但與此同時高速公路也面臨著交通需求快速增長與服務能力相對滯后的難題。如何提高高速公路通行效率,有效緩解直至解決收費站區(qū)擁堵問題,成為高速公路運營管理領域面臨的重要課題。電子不停車收費(ETC)的應用和推廣,是解決這一問題的重要舉措。隨著國內(nèi)ETC系統(tǒng)的推廣,高速公路管理部門積累了大量原始收費數(shù)據(jù),在這些記載著車輛通行詳細信息的數(shù)據(jù)內(nèi)部蘊含著豐富的內(nèi)在關系和隱含信

2、息,如何從海量數(shù)據(jù)中獲取有效的信息,提高管理決策水平,是亟待解決的關鍵技術問題。
　　本文研究如何通過對ETC收費數(shù)據(jù)進行有效整合,利用數(shù)據(jù)挖掘技術,提取和表達蘊含在原始數(shù)據(jù)內(nèi)部的通行行為模式和交通量時空變化趨勢,通過對車輛通行行為的預測和異常檢測以及交通量預測分析,為高速公路管理部門提供理論依據(jù)和決策參考。圍繞該研究問題,本文做了以下幾方面工作:ETC車輛路徑預測與異常檢測研究,研究利用ETC收費歷史數(shù)據(jù),找出車輛通行規(guī)律,準確

3、預測車輛的后續(xù)通行路徑,并從中檢測出異常的通行路徑;ETC交通量多維預測研究,研究以ETC收費數(shù)據(jù)為基礎,實現(xiàn)多維統(tǒng)計分析,為多維交通量構建預測模型,提出一種基于OLAM實現(xiàn)高速公路交通量多維預測的方法;ETC交通量組合預測模型研究,在單項預測模型基礎上設計出一種ETC交通量組合預測模型,充分發(fā)揮各單項預測模型的優(yōu)勢,進一步提高預測的精確度和可靠度。
　　本文取得了如下研究成果:
　　1.提出了一種基于混合Markov模型的

4、高速公路車輛路徑預測與異常路徑檢測方法。論文建立了Markov通行行為模型,針對基本Markov模型在預測結果的準確性、覆蓋率等方面存在諸多不足之處,提出一種新的Markov模型-混合Markov路徑預測模型,給出了使用EM迭代聚類算法對ETC車輛路徑序列進行分類的方法,使得同一類車輛具有相同或相似的通行行為,為每類車輛建立獨立的Markov模型,用以描述該類別車輛的通行特征,根據(jù)歷史通行數(shù)據(jù)預測其后續(xù)通行路徑。
　　2.構建了一

5、種基于聯(lián)機分析挖掘(OLAM)利用ETC收費數(shù)據(jù)實現(xiàn)交通量多維統(tǒng)計分析的模型。論文選取時間、空間、車型、車種等維度為ETC收費數(shù)據(jù)構建了雪花模型,實現(xiàn)了多維交通量快速匯總統(tǒng)計。
　　3.建立了一種經(jīng)過異常值修正的季節(jié)ARIMA預測模型。論文選取多維統(tǒng)計結果作為序列數(shù)據(jù)樣本,通過對數(shù)據(jù)樣本分別進行平穩(wěn)化、模型識別、異常值檢驗、參數(shù)估計、模型診斷等步驟,建立經(jīng)異常值修正的最優(yōu)季節(jié)ARIMA(p,d,q)(P,D,Q)s模型,該模型在預

6、測準確率上優(yōu)于原始模型,利用該修正模型實現(xiàn)了交通量預測。
　　4.設計了一種基于季節(jié)ARIMA模型、BP神經(jīng)網(wǎng)絡和支持向量回歸機(SVR)的最優(yōu)線性組合預測模型。論文以ETC月度交通量為訓練樣本,分別建立起上述三種單項預測模型;利用單項預測模型預測結果,以預測誤差平方和最小為目標函數(shù),建立起求解組合預測權系數(shù)的優(yōu)化模型,根據(jù)權系數(shù)最優(yōu)解計算結果,實現(xiàn)組合模型下的月度交通量預測;最后通過建立評價指標體系驗證組合模型預測效果優(yōu)于單項預