基于混合Markov模型的ETC收费数据挖掘研究

交通运输系统工程与信息 ›› 2012, Vol. 12 ›› Issue (4): 35-42.

• 智能交通系统与信息技术 • 上一篇下一篇

基于混合Markov模型的ETC收费数据挖掘研究

钱超，许宏科^*，代亮，李曙光

长安大学电子与控制工程学院，西安 710064

收稿日期:2012-04-05 修回日期:2012-05-24 出版日期:2012-08-25 发布日期:2012-09-07
作者简介:钱超（1984-），男，江苏新沂人，博士生.
基金资助:
国家自然科学基金项目（60804049）；教育部创新团队发展计划资助项目(IRT1050).

ETC Data Mining Based on Hybrid Markov Model

QIAN Chao, XU Hong-ke, DAI Liang, LI Shu-guang

School of Electronic and Control Engineering, Chang’an University, Xi’an 710064, China

Received:2012-04-05 Revised:2012-05-24 Online:2012-08-25 Published:2012-09-07

摘要/Abstract

摘要：

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.

关键词: 公路运输, 混合Markov模型, 数据挖掘, ETC收费数据, 路径预测, 路径序列

Abstract:

ETC tolling data contains a vast amount of information. the data mining to improve management efficiency is an urgent problem to the expressway administrations. In this paper, ETC raw data are used to construct the route sequences transactional database. Against the shortcomings of low accuracy and coverage rate with basic Markov route prediction model, a new method based on hybrid Markov route prediction model is proposed to predict vehicle route on the expressway. ETC vehicles’ future driving states are predicted and unusual route sequences are detected using this method. The experimental results show that the detecting result is reliable, and the overall prediction accuracy rate is above 83%. It may provide theoretical foundation and decision support for expressway administrations to develop charge checking and improve ETC management level.

Key words: highway transportation, hybrid Markov model, data mining, ETC tolling data, route prediction, route sequence

中图分类号:

U491

钱超, 许宏科, 代亮, 李曙光. 基于混合Markov模型的ETC收费数据挖掘研究[J]. 交通运输系统工程与信息, 2012, 12(4): 35-42.

QIAN Chao, XU Hong-Ke, DAI Liang, LI Shu-Guang. ETC Data Mining Based on Hybrid Markov Model[J]. Journal of Transportation Systems Engineering and Information Technology, 2012, 12(4): 35-42.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18430.shtml

http://www.tseit.org.cn/CN/Y2012/V12/I4/35

参考文献

[1] Dantzig G, Ramser J. The truck dispatching problem [J]. Management Science, 1959, 6: 80-91.
[2] Osman I H. Metastrategy simulated annealing and Tabu search algorithms for the vehicle routing problem[J]. Annals of Operations Research, 1993, 41: 77-86.
[3] 刘霞，齐欢. 最小—最大车辆路径问题的禁忌搜索算法[J]. 系统工程，2007，25(1)：49-52. [LIU X, QI H. Tabu search algorithm of minmax vehicle routing problems [J]. Systems Engineering, 2007, 25(1): 49-52.]
[4] 程林辉，王江晴. 求解车辆路径问题的改进遗传算法[J]. 计算机工程与应用，2010，46(36)：219-221.[CHENG L H, WANG J Q. Improved genetic algorithm for vehicle routing problem [J]. Computer Engineering and Applications, 2010, 46(36): 219-221.]
[5] 胡大伟，朱志强，胡勇. 车辆路径问题的模拟退火算法[J]. 中国公路学报，2006，19(4)：123-126.[HU D W, ZHU Z Q, HU Y. Simulated annealing algorithm for vehicle routing problem [J]. China Journal of Highway and Transport, 2006, 19(4): 123-126.]
[6] Bernd Bullnheimer,Richard F.Hartl,Christine Strauss. An improved ant system algorithm for the vehicle routing problem [J]. Annals of Operations Research. 1999, 89: 319-328.
[7] 张军，李旭宏，于世军. 基于概率分析的高速公路联网收费路径识别技术[J]. 交通与计算机，2008，26(6)：65-69.[ZHANG J, LI X H, YU S J. Path identification technique based on probability analysis in networking toll expressways[J]. Computer and Communications, 2008, 26(6): 65-69.]
[8] 李钟伟.基于运动行为特征的车辆行驶路径预测算法[D]. 上海：上海交通大学，2010. [ LI Z W. Urban vehicular mobility patterns for driving route prediction [D]. Shanghai: Shanghai Jiao Tong University, 2010.]
[9] J Han,M Kamber.Data mining:voncepts and techniques[M]. San Francisco: Morgan Kaufmann Publishers, 2006.
[10] 翁剑成，刘力力，杜博. 基于ETC电子收费数据的信息提取技术研究[J]. 交通运输系统工程与信息，2010，10(2)：57-63.[WENG J C, LIU L L, DU B. ETC data based traffic information mining techniques[J]. Journal of Transportation Systems Engineering and Information Technology, 2010, 10(2): 57-63.]
[11] 刁洪祥.基于模糊C-均值聚类的ETC系统客户的逃费分析研究 [J]. 企业技术开发，2005，24(10)：8-10.[DIAO H X. Escaped toll analysis of ETC system customer data based on fuzzy C-means clustering[J]. Technological Development of Enterprise, 2005, 24(10): 8-10.]
[12] 叶长征，钟足峰. 基于联网收费数据预测行程时间的实现[J]. 微计算机信息，2007，23(6-2)：44-46.[YE C Z, ZHONG Z F. Realization of an OD traveling time forecast system based on highway network toll data [J]. Microcomputer Information, 2007, 23(6-2): 44-46.]
[13] 刘卫宁，曾婵娟，孙棣华. 基于DBSCAN算法的营运车辆超速点聚类分析[J]. 计算机工程，2009，35(5)：268-270.[LIU W N, ZENG C J, SUN D H. Clustering analysis of overspeed spots for commercial vehicles based on DBSCAN[J]. Computer Engineering, 2009, 35(5): 268-270.]
[14] Zuckerman I, Albrecht D. Predicting user’s requests on the WWW [C]// Proceedings of the 7th International Conference on User Modeling, New York, 1999, 275-284.
[15] Kijima M. Markov processes for stochastic modeling[M]. London: Chapman&Hall, 1997.
[16] 常书金，石建军，李晓莉. 交通驾驶行为的行为过程及行为影响因素分析[J]. 交通标准化，2010，4：103-107.[CHANG S J, SHI J J, LI X L. Process and effect factors of driver’s behavior [J]. Transport Standardization, 2010, 4: 103-107.]
[17] Sen R, Hansen M H. Predicting a Web user’s next request based on log data [J]. Journal of Computational Graphics and Statistics, 2003, 12(1): 143-155.
[18] A Dempster, N Laird, D Rubin. Maximum likelihood from incomplete data via the EM algorithm[J]. Royal Statistical Society, 1977, 39: 1-38.
[19] S L Lauritzen.The EM algorithm for graphical association models with missing data [J]. Computational Statistics and Data Analysis, 1995, 19: 191-201.
[20] DB44/127-2003.广东省高速公路联网收费系统[S]. 广东省质量技术监督局，2003. [DB44/127-2003.Guangdong provincial expressway network tolling system [S]. Administration of Quality and Technology Supervision of Guangdong Province, 2003.]

基于混合Markov模型的ETC收费数据挖掘研究

ETC Data Mining Based on Hybrid Markov Model

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	王宁, 张佳蕊, 赵姣. 城际零担货运平台车辆路径问题研究[J]. 交通运输系统工程与信息, 2022, 22(2): 163-177.
[2]	谭二龙, 李宏海, 钟厚岳, 霍恩泽, 马晓磊. 基于轨迹数据的货车自发编队节油潜力估计[J]. 交通运输系统工程与信息, 2022, 22(1): 74-84.
[3]	韩印, 李媛媛, 李文翔, 刘向龙, 祁昊, 万东奇. 基于轨迹数据的网约车排放时空特征分析[J]. 交通运输系统工程与信息, 2022, 22(1): 234-242.
[4]	贾术艳, 宋雨童, 杨紫都. 基于生长曲线函数的货车运营环节碳达峰研究[J]. 交通运输系统工程与信息, 2021, 21(6): 310-318.
[5]	甘蜜, 卿三东, 刘晓波, 李丹丹. 货车轨迹数据在公路货运系统中应用研究综述[J]. 交通运输系统工程与信息, 2021, 21(5): 91-101.
[6]	李根, 翟伟, 朱兴贝, 杨晟, 邬岚. 侧向碰撞风险对交织区汇合行为的影响[J]. 交通运输系统工程与信息, 2021, 21(4): 204-210.
[7]	李桃迎，王婷，张羽琪. 考虑多特征的高速公路交通流预测模型[J]. 交通运输系统工程与信息, 2021, 21(3): 101-111.
[8]	袁方，杨轸，周雄峰. 双车道公路弯道半径及回旋线长度对转向行为的影响[J]. 交通运输系统工程与信息, 2021, 21(1): 116-123.
[9]	胡立伟，何越人，李耀平，孟玲，殷秀芬. 基于人工免疫机制的营运货车运行风险评价研究[J]. 交通运输系统工程与信息, 2021, 21(1): 149-155.
[10]	戢晓峰，吴亚欣，郝京京，房锐，胡澄宇. 平纵组合路段事故严重程度致因辨识模型[J]. 交通运输系统工程与信息, 2020, 20(6): 197-204.
[11]	程颖，张佳乐，张少君，郭继孚，张达. 大型货运车辆生态驾驶及节油潜力评估[J]. 交通运输系统工程与信息, 2020, 20(6): 253-258.
[12]	段莉珍，栾庆熊，赵鑫. 区域路网货物运输量统计方法改进[J]. 交通运输系统工程与信息, 2020, 20(4): 28-33.
[13]	刘昱，吴志新，李孟良，于晗正男，汪洋，贺可勋，安晓盼. 中国乘用车工况构建[J]. 交通运输系统工程与信息, 2020, 20(3): 233-240.
[14]	何永明，裴玉龙，冉斌. 基于智能路钮的超高速公路虚拟轨道系统研究[J]. 交通运输系统工程与信息, 2020, 20(2): 55-60.
[15]	王海星，王翔宇，王招贤，李学东. 基于数据挖掘的危险货物运输风险驾驶行为聚类分析[J]. 交通运输系统工程与信息, 2020, 20(1): 183-189.