基于数据挖掘的高速公路联网收费系统防逃费研究

《基于数据挖掘的高速公路联网收费系统防逃费研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、．．．．為；乂拿Ｓｏｕ化ＣｈｉｎａＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏｙｇｙ硕±学位论文基于数据挖掘的高速公路联网收费系统防逃费研究作者姓名吴淑玲学科专业电路与系统指导教师常天海副教授所在学院电子与信息学院论文提交日期２０１６年４月＼TheStudyofAnti-defraudinginNetworkExpresswaybasedonDataMiningADissertationSubmittedfortheDegreeofMaster

2、Candidate：ShuLingWuSupervisor：Prof.ChangTianhaiSouthChinaUniversityofTechnologyGuangzhou,China分类号：TP391学校代号：10561学号：201320108005华南理工大学硕士学位论文基于数据挖掘的高速公路联网收费系统防逃费研究作者姓名：吴淑玲指导教师姓名、职称：常天海副教授申请学位级别：学术硕士学科专业名称：电路与系统研究方向：数据挖掘论文提交日期：2016年4月21日论文答辩日期：2016年6月6日学位授予单位：

3、华南理工大学学位授予日期：年月日答辩委员会成员：主席：李融林委员：刘建添刘雄英常天海华南理工大学学位论文原创性声明本人那重声明；所呈班的论文是本人在导师的指哥下独立进行研巧巧取得的研巧成果。除了文中恃别加封标注引用的内咎外，本论文不哲吿枉何其他个人或集化己经胆表或撰写的成果作品。对本文的研巧做出重要苗献的个人巧锥拌，均己在文中＾苗巧确方式标即。本人完全意识到本声巧的法律后果由本人承担４、；作者盤名！日期：年。月。日，；６碟占＾７＾学位论文版权巧用技权书、目Ｐ：本学位地文作者完全了

4、解学校有关瓶留使用学枯睹文的规定，研沉生在校攻读学垃期间论文工作的巧识产权单垃属华前理工大学。学校有权保存并向（国家有关部口或机构进交论文的复巧件和电于版，化许学位论文被查阅除在保蓝期巧的保密证文外，可从允许采）ｉ学校可臥公布学位论文的全部或部分巧容？巧影印、缩印或其它复邮手段保存、Ｃ端單位论文本人电了文档的内容和舶质一论文的内容相致。本学位论文鹿于：□楠蓝，巧年阻蓝后适用本授权书，密，供校，同息在校园网上发布巧师生和与学校巧共享协议的单位浏推（光盘版）：同意将本人学位

5、论文提交中国学术期刊电子杂志社全文出版和编入ａｎ《中国知识资源总库），传揺学位论文的全部或部分内容。巧方框＂＂（请在科上巧巧打Ｖ）。：如／ｆｒ．作者签名；日期咕＾指导教师签名：Ｚ；－日期山，爲盈自１／作者联系电话：电子邮賴；；联系地址（含邮编）摘要截至2015年底，全国高速公路联网收费系统工作已经完成并存储了海量的收费数据，但如何运用业务知识，针对数据属性进行有效的分析和处理以便从中获取有用信息，已经成为一个非常关键的问题。当中以不法司机通过各种手段逃避缴纳高速公路通行费的问题尤

6、为突出，也一直是高速公路运管和经营部门亟待治理的难点。在大数据时代，为解决逃费问题本文利用数据挖掘旨在交通领域即高速公路联网的大量数据中发现出其背后信息隐含的内在关联，建立逃费行为预测模型并稽查出逃费记录辅助相关管理部门决策分析。为成功将数据挖掘应用到逃费行为研究中，本文首先对高速公路联网中心的系统架构、工作原理和数据传输模型进行系统性地分析，介绍典型和新型的逃费行为手段并首次将逃费特征变量归类，为数据挖掘技术的应用奠定业务知识基础。其次，通过建立数据仓库的技术途径，在MicrosoftSQLServer200

7、8的平台上实现对高速公路联网系统的数据提取、转换和加载，剔除和处理与逃费行为无关的数据变量并在此基础上建立以车辆出行链为主题的逃费稽查数据仓库。最后，在SAS9.3数据挖掘平台的基础上，提出聚类判别相结合的逃费目标数据集确认分析方法，能快速、有效地识别出发生逃费行为的通行卡，明确聚类结果中的模糊信息提高了逃费预测模型的准确度。通过对逃费特征变量的分析可肯定，车辆属性、出行属性、超重属性及黑夜出行属性是逃费特征的显著因素。在此基础上，创新性利用logistic算法建立逃费行为预测模型，并且通过对该模型的评估和验证

8、不仅实现了逃费客户群体的分类。同时在大数据处理角度实现了逃费行为动态预测功能，且准确度高达95%以上。结果表明，采用聚类分析、判别分析和逻辑回归分析相结合的方法，建立逃费行为预测数据挖掘模型，是识别和预测高速公路通行卡逃费行为的有效途径。关键词：联网收费系统；数据挖掘；逃费行为；数据仓库；预测模型IAbstractAstheendof2015,thenationalhighwaynet