摘要:高速公路是我国重要的交通方式之一,对社会经济的发展具有重要作用。随着高速公路的不断发展,其收费管理系统也应该进行现代化的升级建设,以便提升其收费效率。高速公路大数据技术的应用,可以为高速公路的决策制定、市场监督、出行服务以及交通安全应急等方面提供数据支持,不断提升高速公路的管理水平以及运营效率。基于此,本文主要对大数据分析在高速公路收费管理中的应用。
关键词:大数据分析;高速公路;收费管理;应用
1、前言
在我国,高速出行已经成为人们生活中出行方式选择最重要的一环,对经济发展具有积极的促进作用。而在不断发展的过程中,我国的高速公路收费系统也逐步对其进行了现代化的升级建设,并使得高速公路具有了更高的收费、通行效率,且不同系统也在此过程中汇聚着大量数据的产生。就目前来说,要想在高速公路出行服务、决策支持以及安全应急等方面开展重点研究,做好高速公路当中大数据分析则成为了非常重要的一项内容,需要通过该项工作的开展实现高速公路管理水平与运营效率的有效提升。
2、高速公路大数据的特点和应用情况
2.1高速公路大数据特点
高速公路大数据主要有以下几个特点:⑴规模大。当车辆通常收费站时,监控系统都会进行拍照,图片将会占据一定的空间在加上各种应用系统等数据,使得数据规模增大。⑵数据变化多样化。由于高速公路数据品种多样化,有来自各类应用系统发生的结构化数据以及收费出入口拍摄的一些数据,还有各种服务数目以及地质灾害等数据。⑶数据价值密度较低。虽然数据较多,但有用的数据信息却相当少。在进行监控时会产生很大的冗余数据信息,但能用的信息数据却比较少,因此不同的数据实行检测可以看出路网的不同情况。⑷高速性。当收费站发生数据变化时要快速使之到达结算中心。当在道路中间发生紧急事件时,系统要能准确取得信息并能进行一定的分析。
2.2应用现状
在现今我们所处的大数据时代当中,对于数据分析的应用在现今高速公路数据分析当中占据有十分关键的地位,并在很多方面得到了应用,如偷逃通行费识别、联网收费业务分析以及运营管理系统等。通过对收费数据的分析,即能够更好做好计重逃费的情况进行检查与处理。通过车牌抓拍系统的使用,则能够对经常出现超时以及出口如位置车牌信息不一致的车辆进行发现。
而在大数据应用获得一定成果的同时,其在实际应用当中也存在着一定的问题,就对于目前的数据挖掘工作来说,其主要是同交通行业具有密切联系的研究所以及高校等进行研究,在具体研究成果方面较多是整体方法以及整体架构方面的设计,而很少有单位或个人能够通过交通行业的特点对收费数据当中的多项内容进行更深入的研究,并对高速公路数据当中隐含的、能够对决策具有支持的有价值数据进行挖掘。总体来说,虽然我国高速公路收费系统处于不断的完善过程当中,且其中具有大量信息数据的积累,但如何对这部分资源进行充分应用,还是需要逐步提高的部分。
3、大数据分析在高速公路收费管理中的应用
3.1数据筛选
高速公路收费站的车道完成车辆通行收费交易后会产生各种数据,包括MTC、ETC车道、班组合计、图片信息、出口流水以及入口流水等信息。收费站会实时收集这些数据,并将这些数据传输给路段分中心和省中心。高速公路收费站数据中的出入口流程主要有收费交易需要的各种数据,比如缴费方式、收费金额、行驶里程、地点、时间以及车辆信息等。如湖北省高速公路原始交易数据中的入口流水数据主要有51个字段,而出口流水数据主要有94个字段。出口流水数据中还包含入口流水数据的很多信息,因此高速公路收费数据信息挖掘主要针对出口流水数据。
期刊文章分类查询,尽在期刊图书馆通过对高速公路原始数据的审查,可以筛选出额定总重、总重、车辆总轴数、最重车型、车种、车道类型、车道编号、收费站编号以及出口时间等信息,这些信息中涉及车辆的缴费、载重、行驶以及时空等信息,对交通行业以及别的行业有重要的现实意义。
3.2数据预处理
高速公路收费站产生的数据比较多,原始流水信息中包含较多的内容,比如最终收费轴组信息中包含了轴重、轮组以及轴型等多种信息,这就需要使用一些归约和简化的技巧。可以在高速公路原始数据中选择相应的字段,并且对数据进行预处理,主要是计算和统计数据,比如车辆的超载程度、不同类型车辆超载车辆数、不同类型车辆行驶里程和时间、不同轴型轴载和轴数大小分布以及交通量的组成分布等。
3.3高速公路通行费预测
在我国高速公路事业不断发展的过程中,其在实际收费方面也面临到了较多的问题,尤其是在计重收费方式实施后,司机也因此具有了较多的逃费方式,并因此使高速公路通行费存在流失的情况。在新的收费环境当中,通过对未来金额走向以及收费金额进行有效的预测,则能够帮助管理人员更好的分析高速公路车流量与收费。在现今计算机技术不断发展的过程中,较多的新软件与新方式被应用到了该项工作当中,其中,数据挖掘、神经网络、灰色理论以及遗传算法等都是经常应用到的数据。而在我给过交通量预测试行办法当中,也明确对两种方式进行了提出。第一种即是包含有平均增长率法、指数曲线以及类比法等预测模型的定性预测方式。第二中即是包含有多远回归曲线、回归分析预测、趋势曲线法、灰色模型法以及一元回归曲线等预测型的定性预测方式。在实际工作开展当中,即需要做好这部分技术内容的把握,根据实际需求做好对应方式的选择与应用,达到良好的预测效果。
3.4高速公路通行费预测的多元回归分析
预测中的回归分析法也被称为因素分析法,其能够找出变量以及视为原因变化的变量之间的数量关系,并且建立相应的数学模型。通过相应的方法来确定外生变量在一段时间的数值,将其代入模型中就可以计算出变量的外来数值,也就是预测值。多元回归预测模型中还需要进行t检验、F检验以及R检验。R检验可以说明变量之间的相关程度,如果数值更接近1,则说明其具有较好的回归效果。t检验以及F检验可以给定显著水平,能够判断其是否存在显著的影响,开展下一步的预测工作。
以某收费站为例,收集齐在一段时间内的数据,并且使用差分法对不同类型的车辆信息数据进行处理,保证其可以得到平稳的序列。通过差分处理等可以建立相应的数据模型,并且对相关参数进行确定。通过ARIMA数据模型开展时间序列预测可以得到在某个月份中车辆的车流量数据,将其与真实数据进行对比就可以得到相对误差曲线图。通过对相对误差曲线图进行分析,可以发现选取的时间序列模型能够达到预测效果,只有个别数据的趋势存在异常情况,导致个别数据的预测存在误差。利用相同的方法,对不同类型的车辆流量数进行相应的分析,得到相应的预测模型参数,这样就可以得到某个时期内高速公路收费站的车辆流量数据。
使用车辆合计收费金额以及车辆车流的历史数据开展多元回归分析,能够得到相应的回归方程,将预测数据代入计算就可以得到预测的车辆合计收费金额,并且将其与实际的数据进行对比。经过计算可以得到高速公路收费站的车辆合计收费金额以及绿通合计减免金额,并且通过与实际数据的对比发现相对误差在2%以内。
4、结语
随着互联网技术的不断发展,大数据技术应用到高速公路收费管理系统中已是大势所趋。高速公路收费信息数据具有处理速度快、价值密度低、数据类型多、数据规模大等特点。大数据技术中的数据挖掘、数据预处理等都可以进行通行费的预测,能够预测高速公路中车辆的各种信息,保证收费的准确合理。
参考文献:
[1]孙钦凯.高速公路收费设备中的维护与管理[J].中国新通信.2017(06).
[2]马腾飞,姬 建 岗.基 于“互 联 网+”的 下 一 代 高 速 公 路 收费技术研究[J].中国交通信息化,2017(5):78-81.
[3]侯园园,陈 剑.大 数 据 背 景 下 高 速 公 路 收 费 系 统 数 据 的设计与实现[J].城市建筑,2016(26):318.
论文作者:贺崇文1,李微微2
论文发表刊物:《基层建设》2019年第15期
论文发表时间:2019/8/5
标签:数据论文; 高速公路论文; 车辆论文; 信息论文; 收费站论文; 方式论文; 通行费论文; 《基层建设》2019年第15期论文;