發(fā)布時間：2020-06-18 07:41

【摘要】：面對時有發(fā)生的貨車偷逃通行費用的行為,目前廣東省高速公路運營維護公司仍然采取人工稽查的工作方式。且由于該稽查方式存在著稽查的效率低下,覆蓋率不高等問題,如何有效的解決這些問題是廣東省高速公路運營維護公司必須要面對的挑戰(zhàn)。且廣東近些年實施“一張網”聯(lián)網收費,極大地加大了對貨車司機經濟利益的誘惑,導致廣東省高速公路貨車偷逃通行費用的行為愈加嚴重。其次,對偷逃通行費用的車輛,目前廣東省高速公路運營管理公司僅是將其列入黑名單或灰名單中,待其補交所逃得費用后即可移出黑名單。為了改善目前存在的問題,本文提出了基于logistics回歸模型的廣東省高速公路貨車逃費稽查模型,同時,為了完善高速公路的誠信管理體系,建立的貨車信用度評價模型。本文首先對廣東省高速公路貨車通行的異常出口流水進行分析,研究分析并篩選除了對偷逃通行費用由顯著影響的特征屬性,然后根據樣本數據的分布特點,利用SMOTE算法對樣本數據進行平衡處理,使之適用于logistics回歸模型,再對模型進行實證分析;同時利用廣東省高速公路數據倉庫的海量車輛通行數據,采用車輛的歷史通行行為,包括逃費、超速、超重、使用頻率、補費情況展開分析,將其作為車輛誠信的評價指標,同時計算其各自的懲罰乘數,結合模糊綜合評價法,建立起貨車信用度的評價模型對車輛的信用進行量化的評價。本文最后選擇部分貨車通行的出口異常數據對logistics模型進行實證分析,結果顯示該模型的準確率為76.53%,能極大提高稽查效率,證明了該模型的稽查功能具有一定的有效性;同時選擇部分車輛的歷史通行數據納入到車輛的信用度評價模型,結果顯示,該模型輸出信用分數比較合理,符合現(xiàn)實的實際情況。
【學位授予單位】：廣州大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：C81
【圖文】：

稽查流程圖

圖 3-1 SMOTE 算法效果圖慮到采取欠采樣方法會有可能丟失樣本數據的重要信息，導致模型訓練效據多為分類變量，若采取過采樣方法會有可能產生嚴重的過度擬合問題，的性能，導致模型測試效果缺乏說服力，所以本研究采取 SMOTE 算法處。 3-2 展示了采用 SMOTE 算法對樣本數據進行處理后效果，由表 3-2 我們練集有 14314 條正常通行數據，235 條逃費數據，經過 SMOTE 算法對訓，變成了 7323 天正常通行數據，7226 天逃費數據，數據比例接近 1:1，達平衡的要求，后續(xù)作為訓練樣本納入模型進行建模分析。表 3-2 SMOTE 算法效果表正常 逃費 總訓練集 14314 235 145SMOTE 算法 7323 7226 145測試集 4421 98 45

【參考文獻】

相關期刊論文 前10條

1 趙彥;吳淑玲;林志恒;常天海;;高速公路通行卡逃費行為預測模型研究[J];中國科技論文;2015年19期

2 左盛丹;;交通運輸行業(yè)首次實行統(tǒng)一信用評價等級[J];珠江水運;2015年10期

3 張國政;陳維煌;劉呈輝;;基于Logistic模型的商業(yè)銀行個人消費信貸風險評估研究[J];金融理論與實踐;2015年03期

4 李剛;李純青;張莉;;Logistic回歸的非平衡數據問題及其解決方法[J];統(tǒng)計與決策;2013年20期

5 薛薇;;非平衡數據集的改進SMOTE再抽樣算法[J];統(tǒng)計研究;2012年06期

6 劉鯖潔;陳桂明;劉小方;占君;;BP神經網絡權重和閾值初始化方法研究[J];西南師范大學學報(自然科學版);2010年06期

7 張成虎;李育林;;基于神經網絡的個人信用評分模型研究[J];云南師范大學學報(哲學社會科學版);2008年06期

8 覃光華;王順久;繆韌;;基于卡爾曼濾波技術的人工神經網絡權重估算及應用[J];四川大學學報(工程科學版);2008年04期

9 王靜偉;;BP神經網絡改進算法的研究[J];中國水運(學術版);2008年01期

10 王富忠;沈祖志;姜巍;余福茂;;基于AHP和粗糙集的二階段評價方法研究[J];浙江科技學院學報;2007年04期

相關會議論文 前1條

1 褚麗恒;郭曉澤;宋國杰;吳峻;謝昆青;;基于聚類方法的高速公路逃費甄別與分析[A];第八屆中國智能交通年會論文集[C];2013年

相關碩士學位論文 前1條

1 任文龍;基于神經網絡的聯(lián)網高速公路收費稽查研究[D];長安大學;2010年

本文編號：2718924