[发明专利]一种ETC运营指标预测方法

说明书

本发明提供了一种ETC运营指标预测方法。所述ETC运营指标预测方法包括以下步骤：获取ETC运营指标历史数据；基于所述ETC运营指标历史数据，制作趋势图；基于所述趋势图，选择回归模型；利用所述ETC运营指标历史数据来获得所述回归模型的统计分析表；结合所述统计分析表中的统计检验量和所述回归模型的预测数据来确定所述回归模型是否为预测回归模型；利用所述预测回归模型进行预测。本发明的ETC运营指标预测方法采用统计检验和模型预测验证的结合的验证方法，确保验证后的预测模型能够产生更有效的预测结果。因此，利用本发明的ETC运营指标预测方法，能够更好地预测未来的运营状况和服务决策，并促进行业发展和服务公众出行。

技术领域

本发明涉及交通数据预测技术，特别涉及一种ETC运营指标预测方法。

背景技术

ETC全称为公路电子不停车收费(Electronic Toll Collection)，应用先进的技术手段，自动完成电子收费交易，实现在不停车条件下自动收取通行费。

2014年3月，按照《交通运输部关于开展全国高速公路电子不停车收费联网工作的通知》(交公路发[2014]64号)精神，开展全国高速公路ETC联网工作，29个联网省份分期分批接入，于2015年9月底成功实现了全国ETC联网运营。这标志着我国高速公路进入“一张网运营”的时代，ETC发展迈向了快速发展的新阶段。实施ETC联网切实缓解了收费站拥堵，大幅提高了公路网通行效率，有效降低了公路交通领域节能减排、节约土地和管理成本，是适应公路网智能化、综合化、路网化管理的现实需要，也是建设“交通强国”的重要载体。作为新兴力量，在ETC运营指标预测方面急需一种能够为ETC发展规划和决策提供一定理论依据的科学预测方法，从而更好地促进行业发展和服务公众出行。

发明内容

有鉴于此，本发明的目的在于提供一种ETC运营指标预测方法，以更好地预测未来的运营状况和服务决策并促进行业发展和服务公众出行。

根据本发明的一个方面，提供一种ETC运营指标预测方法。所述ETC运营指标预测方法包括以下步骤：获取ETC运营指标历史数据；基于所述ETC运营指标历史数据，制作趋势图；基于所述趋势图，选择回归模型；利用所述ETC运营指标历史数据来获得所述回归模型的统计分析表；结合所述统计分析表中的统计检验量和所述回归模型的预测数据来确定所述回归模型是否为预测回归模型；利用所述预测回归模型进行预测。

优选地，所述结合所述统计分析表中的统计检验量和所述回归模型的预测数据来确定所述回归模型是否为预测回归模型的步骤包括：基于所述统计分析表中的统计检验量进行检验；利用通过检验的回归模型在对应于存在真实数据的时段进行预测，以获得所述回归模型的预测数据；将所述预测数据与所述真实数据进行比较；若所述预测数据与所述真实数据之间的差异小于预定值，则确定所述回归模型为预测回归模型。

优选地，如果所述趋势图显示所述ETC运营指标历史数据的变动幅度大于预定幅度，则在所述利用所述ETC运营指标历史数据来获得所述回归模型的统计分析表的步骤之前，所述ETC运营指标预测方法还包括：对所述ETC运营指标历史数据进行预处理，以剔除异常数据。

优选地，所述ETC运营指标历史数据是按时间序列的基础指标和/或交易指标的数据，所述基础指标包括收费站、车道、用户、服务网点和服务终端中的一种或多种，所述交易指标包括总交易量、非现金交易量中的一种或多种。

优选地，所述回归模型包括线性回归模型、非线性回归模型或其组合，所述非线性回归模型包括对数模型、二次曲线模型和指数模型。

优选地，当所述预测回归模型为多个模型时，在所述利用所述预测回归模型进行预测的步骤之后，所述ETC运营指标预测方法还包括：将所述多个模型的预测值取平均值，即得到最终的预测结果。

优选地，所述统计分析表包括所述统计检验量和回归系数，并且，所述统计检验量包括拟合优度检验量、方程显著性检验量和变量显著性检验量。