高速公路ETC数据挖掘分析与应用-交通信息工程及控制专业论文.docxVIP

论文独创性声明 本人声明:本人所呈交的学位论文是在导师的指导下，独立进行研究 工作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出 重要贡献的个人和集体，均己在文中以明确方式标明。本论文中不包含任 何未加明确注明的其他个人或集体己经公开发表的成果。 本声明的法律责任由本人承担。 论文作者签名: 成越 创刊月2今日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学 校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权 利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成 果时，署名单位仍然为长安大学。 (保密的论文在解密后应遵守此规定)  论文作者签名: 导师签名: 队J 越 吁括科  (主年 6 月冲日 ]o， 年b 册十日  摘 要 近年来，随着经??社会的高速发展，我国的高速公路建设事业取得了举世瞩目的 成就，但与此同时高速公路也面临着交通需求快速增长与服务能力相对滞后的难题。 如何提高高速公路通行效率，有效缓解直至解决收费站区拥堵问题，成为高速公路运 营管理领域面临的重要课题。电子不停车收费（ETC）的应用和推广，是解决这一问 题的重要举措。随着国内 ETC 系统的推广，高速公路管理部门积累了大量原始收费数 据，在这些记载着车辆通行详细信息的数据内部蕴含着丰富的内在关系和隐含信息， 如何从海量数据中获取有效的信息，提高管理决策水平，是亟待解决的关键技术问题。 本文研究如何通过对 ETC 收费数据进行有效整合，利用数据挖掘技术，提取和表 达蕴含在原始数据内部的通行行为模式和交通量时空变化趋势，通过对车辆通行行为 的预测和异常检测以及交通量预测分析，为高速公路管理部门提供理论依据和决策参 考。围绕该研究问题，本文做了以下几方面工作：ETC 车辆路径预测与异常检测研究， 研究利用 ETC 收费历史数据，找出车辆通行规律，准确预测车辆的后续通行路径，并 从中检测出异常的通行路径；ETC 交通量多维预测研究，研究以 ETC 收费数据为基 础，实现多维统计分析，为多维交通量构建预测模型，提出一种基于 OLAM 实现高速 公路交通量多维预测的方法；ETC 交通量组合预测模型研究，在单项预测模型基础上 设计出一种 ETC 交通量组合预测模型，充分发挥各单项预测模型的优势，进一步提高 预测的精确度和可靠度。 本文取得了如下研究成果： 1. 提出了一种基于混合 Markov 模型的高速公路车辆路径预测与异常路径检测方 法。论文建立了 Markov 通行行为模型，针对基本 Markov 模型在预测结果的准确性、 覆盖率等方面存在诸多不足之处，提出一种新的 Markov 模型-混合 Markov 路径预测 模型，给出了使用 EM 迭代聚类算法对 ETC 车辆路径序列进行分类的方法，使得同一 类车辆具有相同或相似的通行行为，为每类车辆建立独立的 Markov 模型，用以描述 该类别车辆的通行特征，根据历史通行数据预测其后续通行路径。 2. 构建了一种基于联机分析挖掘（OLAM）利用 ETC 收费数据实现交通量多维 统计分析的模型。论文选取时间、空间、车型、车种等维度为 ETC 收费数据构建了雪 i   PAGE 4 iii 花模型，实现了多维交通量快速汇总统计。 3. 建立了一种经过异常值修正的季节 ARIMA 预测模型。论文选取多维统计结果 作为序列数据样本，通过对数据样本分别进行平稳化、模型识别、异常值检验、参数 估计、模型诊断等步骤，建立经异常值修正的最优季节 ARIMA(p, d, q)(P, D, Q)s 模型， 该模型在预测准确率上优于原始模型，利用该修正模型实现了交通量预测。 4. 设计了一种基于季节 ARIMA 模型、BP 神经网络和支持向量回归机（SVR） 的最优线性组合预测模型。论文以 ETC 月度交通量为训练样本，分别建立起上述三种 单项预测模型；利用单项预测模型预测结果，以预测误差平方和最小为目标函数，建 立起求解组合预测权系数的优化模型，根据权系数最优解计算结果，实现组合模型下 的月度交通量预测；最后通过建立评价指标体系验证组合模型预测效果优于单项预测 模型。 关键词：高速公路、数据挖掘、ETC 收费数据、混合 Markov 模型、联机分析挖 掘、组合预测模型 Abstract In recent years, with rapid development of economic society, expressway construction in China has made remarkable achievements. As an important part of road transportation sys