基于RFMS的高速公路客户商业价值挖掘

随着我国高速公路道路拥堵和车流时空分布不均等现象的发生,面对多元化的高速公路使用者,以高速公路差异化收费为主要方式的高速公路供给侧改革是缓解目前高速公路道路拥堵等现象的重要措施.基于客户细分理论提出RFMS模型将高速公路使用者划分为异质性客户群,并分析其商业价值.考虑高速公路收费数据的结构特点,对传统k-means算法在初始类簇中心选取和大数据聚类下出现的小聚类现象进行改进,构建Adaboost与k-means++相结合的混合算法,并对聚类效果进行对比分析.研究结果表明:Adaboost-k-means++混合算法有利于提升聚类效果;基于RFMS的高速公路客户商业价值挖掘方法能有效划分异质性客户群并评估客户价值,可为高速公路差异化收费和高速公路运营管理部门提供可靠的理论支持.     

基于S-method时频分析的制动意图识别方法

为了提高电动汽车制动能量回收效率,不可避免需要增加制动意图判断的准确率,提出了基于S-method时频分析的制动意图识别方法。鉴于S-method处理非平稳信号兼顾算法响应时间和时频分辨率的优点,通过建立S-method时频模型的基础上,运用奇异值分解方法提取特征值。最后,运用聚类算法识别驾驶员制动意图。实验结果表明,该方法能实时有效识别中等制动和平缓制动。