【技术实现步骤摘要】
本专利技术涉及定价管理，更具体地说，本专利技术涉及基于etc门架数据的高速公路路段差异化收费定价优化方法。
技术介绍
1、高速公路是公路现代化的重要标志，由于高速公路在建造时需要花费了大量的资金，且日常维护时也要大量的资金投入，因此在驾驶车辆途经高速公路时就需要缴纳一定的通行费，而为了提高高速公路收费定价的准确性，就需要对高速公路的收费定价进行优化调整，从而实现高速公路的收费定价与总收入之间的有效平衡。
2、参考公开号为cn1 15800845a的专利申请公开了一种高速公路差异化定价方法及系统，包括获取高速公路起讫点间各车型的交通量；将获取的各车型按照出行目的进行分类，将分类后的车辆分别建立出行效益模型；采用多项logit模型描述不同车型在不同时间段选择不同路径的概率；基于出行效益模型和不同车型在不同时间段选择不同路径的概率，构建以高速公路收益最大化为目标的定价模型；基于定价模型的收益最大化，得到调整后的高速公路价格；其通过构建不同车型的出行效益函数，基于出行效益函数和出行方式logit选择模型，建立公路出行路径选择模型，该模型用于根据不同的高速公路收费价格预测某车型的采用高速公路出行的比例，在获取起讫点间的各车型交通量数据后可构建高速公路投资者收费收入最大的差异化定价模型，制定灵活的差异化收费标准；
3、现有技术存在以下不足：现有的高速公路差异化定价方法以高速公路路段的总收入为最终目标，并根据市场经济发展规律的方式来对收费定价进行优化调节，使得高速公路路段收费定价优化调节时所考虑的因素维度具有局限性，无
4、鉴于此，本专利技术提出基于etc门架数据的高速公路路段差异化收费定价优化方法以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技术方案：基于etc门架数据的高速公路路段差异化收费定价优化方法，包括：
2、s1：从etc门架数据中提取出综合交通参数，将综合交通参数与预设的收费值组合后，生成第一综合优化参数，综合交通参数包括车辆类型值、高峰时段值、通行时长值和路段拥堵率；
3、s2：将第一综合优化参数输入到提前训练好的用于预测路段选择概率的第一机器学习模型中，预测出路段选择概率；
4、s3：获取选定路段的差异化参数，并将差异化参数与路段选择概率组合后，生成第二综合优化参数，差异化参数包括通行车辆值、通行距离值和通行超时值；
5、s4：将第二综合优化参数输入到提前训练好的用于预测路段总收入的第二机器学习模型中，预测出路段总收入；
6、s5：将预测的路段总收入与预设的总收入阈值比较，生成收费定价提示信息，收费定价提示信息包括收费定价不足提示信息和收费定价充足提示信息，并制定出收费定价优化策略，收费定价优化策略包括维持预设的收费值策略和减小预设的收费值策略。
7、进一步的，车辆类型值包括一类车、二类车、三类车、四类车和五类车；
8、高峰时段值的提取方法包括：
9、通过时间戳逐一查询出etc门架数据中i个车辆在选定路段上的行驶时间数据，并通过自然语言处理技术识别出行驶时间数据中所有的驶入时刻和驶出时刻，获得i个驶入时刻和i个驶出时刻；
10、将i个驶入时刻至i个驶出时刻之间的时段记为行驶时段，获得i个行驶时段；
11、将1个行驶时段依次与标准高峰时段重合比较，并将1个行驶时段与标准高峰时段重合的时段记为有效时段，获得1个有效时段；
12、将1个有效时段的时长依次与1个行驶时段的时长比较，获得1个子高峰值；
13、子高峰值的表达式为：
14、
15、式中，gfzi为第i个子高峰值，scyxi为第i个有效时段的时长，scxsi为第1个行驶时段的时长；
16、去掉子高峰值的最大值和最小值后，将余下的i-2个子高峰值累加后求平均，获得高峰时段值；
17、高峰时段值的表达式为：
18、
19、式中，gfsd为高峰时段值，gfza为第a个子高峰值。
20、进一步的，通行时长值的提取方法包括：
21、通过时间戳逐一查询出etc门架数据中1个车辆第一次和最后一次产生行驶时间数据的时刻，分别获得1个起始时刻和1个结束时刻；
22、将1个起始时刻至1个结束时刻之间的时长记为全程时长，获得1个全程时长；
23、通过北斗定位系统测量出选定路段的长度和全程时长对应的总长度，并将选定路段的长度与全程时长对应的总长度比较后，获得长度占比值；
24、长度占比值的表达式为：
25、
26、式中，cdzb为长度占比值，cdxd为选定路段的长度，cdzc为全程时长对应的总长度；
27、将长度占比值与i个全程时长相乘后获得i个乘积值，并将i个乘积值累加后求平均，获得通行时长值；
28、通行时长值的表达式为：
29、
30、式中，txsc为通行时长值，scqcb为第b个全程时长。
31、进一步的，路段拥堵率的提取方法包括：
32、从选定路段上随机标记处于相邻位置的两个etc门架，分别记为第一门架和第二门架；
33、从etc门架数据中分别识别出1个车辆经过第一门架和第二门架时的时刻，获得i个第一时刻和1个第二时刻；
34、将1个第一时刻至1个第二时刻之间的时长记为经过时长，获得1个经过时长；
35、通过北斗定位系统测量出第一门架至第二门架之间的距离，获得经过距离，将1个经过时长依次与经过距离比较后，获得1个经过速度；
36、经过速度的表达式为：
37、
38、式中，sdjgi为第i个经过速度，jljg为经过距离，scjgi为第i个经过时长；
39、将小于标准速度阈值的经过速度记为拥堵速度，并统计出拥堵速度的数量，将拥堵速度的数量与经过速度的数量比较后，获得路段拥堵率；
40、路段拥堵率的表达式为：
41、
42、式中，ydld为路段拥堵率，slyd为拥堵速度的数量。
43、进一步的，第一机器学习模型的训练方法包括：
44、将车辆类型值进行数值转换，一类车转换为1，二类车转换为2，三类车转换为3，四类车转换为4，五类车转换为5；
45、将第一综合优化参数转换为对应的一组第一特征向量，将第一特征向量作为第一机器学习模型的输入，并将每组第一综合优化参数对应的路段选择概率作为第一机器学习模型的输出，以路段选择概率为预测目标，以最小化所有训练数据的预测误差之和作为训练目标，对第一机器学习模型进行训练，本文档来自技高网...
【技术保护点】
1.基于ETC门架数据的高速公路路段差异化收费定价优化方法，其特征在于，包括：
2.根据权利要求1所述的基于ETC门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述车辆类型值包括一类车、二类车、三类车、四类车和五类车；
3.根据权利要求2所述的基于ETC门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述通行时长值的提取方法包括：
4.根据权利要求3所述的基于ETC门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述路段拥堵率的提取方法包括：
5.根据权利要求4所述的基于ETC门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述第一机器学习模型的训练方法包括：
6.根据权利要求5所述的基于ETC门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述通行车辆值的获取方法包括：
7.根据权利要求6所述的基于ETC门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述通行距离值的获取方法包括：
8.根据权利要求7所述的基于ETC门架数据的高速公路
9.根据权利要求8所述的基于ETC门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述第二机器学习模型的训练方法包括：
10.根据权利要求9所述的基于ETC门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述收费定价不足提示信息和收费定价充足提示信息的生成方法包括：
...【技术特征摘要】
1.基于etc门架数据的高速公路路段差异化收费定价优化方法，其特征在于，包括：
2.根据权利要求1所述的基于etc门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述车辆类型值包括一类车、二类车、三类车、四类车和五类车；
3.根据权利要求2所述的基于etc门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述通行时长值的提取方法包括：
4.根据权利要求3所述的基于etc门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述路段拥堵率的提取方法包括：
5.根据权利要求4所述的基于etc门架数据的高速公路路段差异化收费定价优化方法，其特征在于，所述第一机器学习模型的训练方法包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：张琳琳，张则鑫，刘婷，迟娟，张斌年，
申请(专利权)人：青海省高速公路运营管理有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。