典型文献
基于海量信息的高速公路ETC用户分类研究
文献摘要：
为解决高速公路ETC用户的分类问题,利用大数据挖掘技术提出了多种基于高速公路ETC用户使用特征的分类模型.首先,在传统特征指标的基础上,加入最长使用间隔作为用户分类指标,建立新的用户分类指标体系;其次,构建K-means,模糊C-均值和SOM(自组织映射神经网络)3种机器学习模型,并利用多种分类评价指标综合考虑用户分类效果.实例分析表明,3种分类模型均实现了 6类用户的分类任务,其中SOM模型的评价指标最优,表明非监督机器学习方法SOM在大规模数据分析中的优势;最后,针对不同种类ETC用户使用差异化的收费管理策略进行讨论,认为大数据挖掘技术可以进一步提高高速公路ETC系统的管理决策水平.
文献关键词：
公路运输;差异化管理;ETC用户分类;聚类模型;大数据挖掘
中图分类号：
作者姓名：
贾健民;陈雪珲;曹蓉;陈宏;陈晓龙
作者机构：
山东建筑大学 交通工程学院,济南 250100;山东高速股份有限公司,济南 250014
文献出处：
引用格式：
[1]贾健民;陈雪珲;曹蓉;陈宏;陈晓龙-.基于海量信息的高速公路ETC用户分类研究)[J].交通与运输,2022(06):62-66
A类：
B类：
高速公路,ETC,用户分类,分类研究,分类问题,大数据挖掘技术,使用特征,分类模型,传统特征,特征指标,隔作,分类指标体系,means,SOM,自组织映射神经网络,机器学习模型,分类评价,分类效果,分类任务,监督机器学习,机器学习方法,大规模数据,收费管理,管理决策,公路运输,差异化管理,聚类模型
AB值：
0.330832
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
