基于高速公路收费数据的挖掘预测分析与应用研究

摘要

高速公路收费数据作为高速公路联网收费管理系统的最直接产物，具有字段丰富、内容充实、数据量大、更新及时等特点。对收费数据进行深入分析及挖掘，能够得到许多隐藏在基础数据下的信息。本文基于高速公路收费流水数据的特征分析，从算法优化、模型建立、实例分析、应用对比等方面，对高速公路车辆旅行路径、断面车流量以及路段旅行时间进行预测研究，一方面改善出行者的出行选择，另一方面也能提高高速公路管理部门的管理水平。针对国内外相关预测研究中只注重单一方面，而缺乏完善且系统的综合预测挖掘研究的现状，本文主要完成了以下工作:
　　首先，提出一种高速公路原始收费数据的预处理方法。针对收费数据中较大比例的异常数据，为最大程度减少异常数据的干扰，提出将异常数据分为冗余数据、缺失数据以及噪声数据这3类数据，分别进行处理方法说明，并通过实例对比，验证该处理方法的可行性。
　　其次，基于马尔可夫预测法建立车辆旅行路径预测模型。分车型进行模型的建立以提高预测精度。针对预测法中状态转移概率矩阵的求解，选取统计法及线性方程组法分别进行求解并对比分析，采用实例进行验证，结果表明:统计法更适合于收费数据的预测特征。
　　再次，在路径预测的基础上，针对高速公路路段交通状态的预测进行研究。选取路段断面车流量及车辆旅行时间作为路段交通状态的预测指标。提出一种基于收费数据的断面车流量统计法，以此为数据基础进行车流量预测。实例分析表明:基于自适应卡尔曼滤波算法的断面车流量预测，能避免卡尔曼滤波算法的缺陷，并提高预测精度。然后，论证路段旅行时间与断面车流量的相关性，提出基于密度的路段旅行时间估计方法并进行算法修正，通过MATLAB实例分析，验证该算法的可行性及准确性。
　　最后，基于以上预测研究成果，提出高速公路收费数据的预测应用场景。分实时与非实时预测进行对比分析，并分别针对工作日、周末及节假日的不同交通特性进行交通预测，研究结果可得若干结论，用于相关领域的研究。

目录

声明

致谢

摘要

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 高速公路收费流水数据处理方法

1．2．2 车辆路径选择预测

1．2．3 道路车流量预测

1．2．4 道路车辆旅行时间预测

1．3 研究内容

1．4 本文创新点

1．5 研究思路及组织结构

2 高速公路收费流水数据分析与处理研究

2．1 ETC与MTC概述

2．1．1 ETC概述

2．1．2 MTC概述

2．1．3 两者联系与区别

2．2 数据挖掘概述

2．3 异常数据清洗

2．3．1 冗余数据处理

2．3．2 缺失数据处理

2．3．3 噪声数据处理

2．4 本章小结

3 高速公路车辆旅行路径选择预测与验证

3．1 原始收费数据预处理

3．1．1 属性相关度计算

3．1．2 稀疏重建

3．1．3 噪声删除

3．1．4 高速公路收费数据预处理算例分析

3．2 车辆旅行路径预测模型

3．2．1 车辆旅行路径概述

3．2．2 基于马尔可夫预测法的高速公路旅行路径预测

3．3 状态转移概率矩阵的求解

3．3．1 统计法求解状态转移概率矩阵

3．3．2 线性方程组法求解状态转移概率矩阵

3．4 高速公路车辆旅行路径预测算法验证与分析

3．4．1 统计法预测模型分析

3．4．2 线性方程组法预测模型分析

3．5 本章小结

4 高速公路路段交通状态预测分析研究

4．1 高速公路路段断面交通概述

4．1．1 高速公路断面车流量概述

4．1．2 高速公路路段旅行时间概述

4．2 路段断面车流量预测

4．2．1 基于卡尔曼滤波算法的高速公路断面车流量预测

4．2．2 高速公路路段断面车流量统计算法

4．2．3 算例分析

4．3 面向高速公路收费数据的卡尔曼滤波算法的优化

4．4 路段旅行时间估计

4．4．1 路段旅行时间与车流量相关性分析

4．4．2 基于密度的旅行时间估计方法

4．4．3 算法验证

4．5 本章小结

5 高速公路收费数据的预测应用研究

5．1 实时交通状态预测

5．1．1 工作日实时交通状态预测

5．1．2 周末实时交通状态预测

5．1．3 节假日实时交通状态预测

5．2 一周交通状态预测及播报

5．2．1 工作日中长期交通状态预测

5．2．2 周末中长期交通状态预测

5．3 交通状态预测应用研究分析评价

5．4 本章小结

6．1 研究结论总结

6．2 研究不足与展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集