| 摘 要： | 目前高速公路"绿色通道"政策全面实施,但检测方式相对滞后,货车司机容易受通行费减免诱惑假冒绿通车逃费,给运营管理单位造成巨大损失。为提高绿通车检查的准确率和效率,基于四川省高速公路联网收费系统采集的历史绿通车通行数据集,建立了针对假冒绿通车逃费行为的预测模型。首先利用数据挖掘技术,对通行数据集的属性按照重要度与可靠度进行区分提取,基于预处理数据分析了假冒绿通车在进出收费站时的时空特征、通行特征及其他特征。接着采用Borderline-SMOTE过采样法来平衡数据集,用ChiMerge算法来离散化连续型属性,并对离散的相关属性进行了关联项检验与共线性检验,以保证贡献程度大的属性与结果能够有效映射,提升属性与结果之间的关联程度与准确度。最后将通过关联项和共线性检验的自变量选入假冒绿通车逃费行为预测模型,并通过决策树对车辆类型分类来分辨假冒绿通车。利用历史绿通车通行数据集对比了逃费行为预测模型与其它模型的分类结果。结果表明:所提出的逃费行为预测模型准确率为83.4%,高于Logistic回归模型(61.8%)和随机森林模型(81%)。本研究模型能够有效预警假冒绿通车,在简化绿通车检查流程的基础上,降低假冒绿通车成功逃费情况的发生概率,具有实际应用意义。
|
