[发明专利]一种多元行为数据挖掘方法

说明书

本发明公开了一种多元行为数据挖掘方法，具体涉及路政技术领域，通过各个收费站建立的数据服务集群，使其针对于多元化的数据及其驾车人员的行为数据进行整合，其结合自然，路况和人为因素，与时间尺度相配合，使其预测出不同路段未来一段时间的车流状态，其时间尺度的预测通过不同时间段的历史日期流量平均值即可获取，能够较为准确的预估出现堵塞的概率，同步配合上述检测的信息，检索符合的对应历史数据特征，并获取其处理方法，整合出历史方案中的高效处置措施，能够实现提前预警和整理出相应的建议措施，使其解决了相较于传统交通量预测模型仅考虑交通量的时间特性而导致预测效果不佳的问题。

技术领域

本发明涉及道路信息技术领域，更具体地说，本发明涉及一种多元行为数据挖掘方法。

背景技术

随着信息化技术的迅猛发展，人们的行为越来越多地被记录在相关计算机系统中。例如，证券交易系统，信用卡消费系统和医疗保障系统等等。由于人们日复一日的生活节奏，很多计算机系统的数据记录也是日复一日的进行，因此这种每人每天的行为数据形成行为数据集。通过挖掘行为数据集，能够揭示人们的各种行为方式、现象和规律。

高速公路属于高等级公路，高速公路“能适应年平均昼夜小客车交通量为25000辆以上、专供汽车分道高速行驶、并全部控制出入的公路”。各国尽管对高速公路的命名不同，但都是专指有4车道以上、两向分隔行驶、完全控制出入口、全部采用立体交叉的公路。

随着目前的信息化发展步伐持续，各个行业的电子化及信息化程度越来越高，作为公路部门而言，高速出现拥堵在一些地区已经成为了常态，针对于目前的高速公路而言，往往由于出现地区的堵塞后，再进行疏通，会出现准备工作不足，使其造成长时间的持续性通过性受阻的问题，针对于上述问题，造成的原因往往是多元化的，且作为车辆行驶的数据而言，具备较高的变量，导致目前的传统交通量预测模型仅考虑交通量的时间特性，进而导致预测效果不佳，无法有效的达到提前决策的效果。

发明内容

为了克服现有技术的上述缺陷，本发明提供了一种多元行为数据挖掘方法，本发明所要解决的技术问题是：高速出现拥堵在一些地区已经成为了常态，出现堵塞的原因往往是多元化的，作为个人的行驶行为数据而言，具备较高的变量，导致目前的传统交通量预测模型仅考虑交通量的时间特性，进而导致预测效果不佳，无法有效的达到提前决策的效果的问题。

为实现上述目的，本发明提供如下技术方案：一种多元行为数据挖掘方法，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。

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。

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。

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。