[发明专利]一种多元行为数据挖掘方法

权利要求书

1.一种多元行为数据挖掘方法，其特征在于，包括以下方法：

S1、依据高速公路全长路段进出口收费站建立数据服务集群，获取各收费站车辆进出数量以及车辆种类信息；

S2、检测高速公路全路段状态信息，获取能见度、地面潮湿度以及天气信息上传至数据服务集群；

S3、基于数据服务集群下层建立全路段交通状态实时监测网络，对车辆通过速度以及车辆密度进行数据采集；

S4、通过S2获取的天气和路段信息预估整路段各区域之间的安全通行速度，同步实时预测当前时段高速公路最佳通行容纳量，所述最佳通行容纳量的计算方式为：

Q＝[(e*s)/z]；

其中：s为平均时速、e为车辆并行数量、Q为容纳量、z为车辆综合占用距离且z＝u₁+u₂+u₃、u₁为车体平均长度、u₂为车辆平均制动距离、u₃为安全车距；

S5、依据各收费站的车辆出入信息，获取各路段之间的实际通行量；

S6、通过将实际通行量与最佳通行容纳量对比，获取实时比值，依据实时比值控制对应收费站的车辆进入，所述实时比值控制对应收费站的车辆进入方式为，实际通行量A与最佳通行容纳量B之比为A:B，当AB时对该检测路段内的收费站限制进入，当AB时无限制进入，当A＝B时限制大型货车进入；

S7、综合评定各收费站的日均通车数量，区分集中通行时段，建立不同时段的各收费站平均通行热力图；

S8、依据不同时段的各收费站平均通行数据并结合对应日期的历史通行数值的平均流量预测未来一段时间各收费站的车流数据，所述预测未来一段时间内的各收费站的车流数据预估包括以下公式；

当天总体流量预估：

K＝[(M₁/At₁+M₂/At₂+...+M_n/At_n)/i+(L₁/Bt₁+L₂/Bt₂+...+L_n/Bt_n)/i]/2；

当天特定时间段流量预估：

K＝[(M_n/At_n)/i+(L_n/Bt_n)/i]/2；

其中：At为当下时间段、M为当下时间段的车流数量、L为历史车流数量、Bt为历史时间段、i为历史时间段的车流数量、K为未来车流量预测值；

S9、依据各收费站的未来车流数据在数据服务集群中与高速公路全路段状态信息和实时比值之间配合，对后续的高速公路压力做出提前量判断，并做出提醒；

S10、全年数据实时备份到数据服务集群，结合未来天气预报数据的接入，检测历史状态相似项，做出提前反应预警，并提取最佳处理措施。

2.根据权利要求1所述的一种多元行为数据挖掘方法，其特征在于：所述交通状态实时监测网络间隔10km布置一处检测站，所述检测站设置车速、车型、每分钟通行数量、能见度和天气检测功能一体化设备。

3.根据权利要求1所述的一种多元行为数据挖掘方法，其特征在于：所述S10中全年数据实时备份到数据服务集群过程中，对数据进行特征提取，其特征提取变量包括：日期信息、天气信息、拥堵长度、拥堵路段和车流数据信息。

4.根据权利要求1所述的一种多元行为数据挖掘方法，其特征在于：所述S7中不同时段的各收费站平均通行热力图建立方式为，通过各收费站全天不同时间段内通行车辆的数量将高速路线全程收费站的对应站点数据分别渲染为深度不同的色彩。

5.根据权利要求1所述的一种多元行为数据挖掘方法，其特征在于：所述全路段状态信息包括高速公路的维护路段施工信息及其整体路况和各区域的限速信息。