CN108777004B - 高速公路客运车辆跨省匹配方法及装置 - Google Patents

Abstract

本发明涉及交通运输统计技术领域，具体涉及一种高速公路客运车辆跨省匹配方法及装置，方法包括：获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于入口数据和出口数据得到目标算法模型，对跨省收费站中的待处理入口数据和待处理出口数据采用目标算法模型进行匹配以得到匹配结果。通过上述方法以有效保障高速公路客运车辆跨省匹配的准确性，并有效解决高速公路收费数据跨省分割问题以及由于车牌识别不全或识别错误导致的无法直接通过车牌号进行客运车辆跨省匹配问题。

Description

高速公路客运车辆跨省匹配方法及装置

技术领域

本发明涉及交通运输统计领域，具体而言，涉及一种高速公路客运车辆跨省匹配方法及装置。

背景技术

高速公路作为公路运输的重要干线通道，对于支撑国家经济发展、推动社会进步、保障国家安全等方面发挥着重要的作用。尤其车辆在高速公路上的行驶路径是反映区域经济发展状况的重要参考指标。

目前高速公路联网收费系统为省级联网、省级统一清分结算，高速公路收费数据主要记录车辆在各省内进出高速公路收费站的IC卡收发情况，当车辆通过相邻省份时，需要在两省的省界站重新收发不同省份的高速公路通行IC卡、分别进行通行费结算，因此，对于跨省车辆，其行驶记录被分割在不同省份内。

发明人经研究发现，由于车牌识别设备的精度不高以及高速公路收费管理要求等原因，造成高速公路收费数据中的车牌识别率不高，无法直接通过车牌号进行跨省车辆串接。因此，有效解决客运车辆在全国高速公路上的跨省匹配，以得到客运车辆在高速公路上完整行驶路径是亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种高速公路客运车辆跨省匹配方法及装置，有效缓解上述技术问题。

为实现上述目的，本发明实施例采用如下技术方案：

一种高速公路客运车辆跨省匹配方法，所述方法包括：

获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于所述出口数据中的车牌号与入口数据中的车牌号的匹配度生成包括匹配数据和不匹配数据的样本数据；

将所述样本数据中的入口数据和所述出口数据进行数学运算以得到综合指标，并对所述综合指标进行统计以得到相关性指标；

对所述相关性指标进行处理以得到候选特征集，并对所述候选特征集进行重要程度评价以得到目标特征集，以及对所述目标特征集进行分配得到训练特征集和测试特征集；

对所述训练特征集采用多种预设机器学习算法进行训练学习以对应得到多种跨省匹配算法模型，并从所述多种跨省匹配算法模型中选取一种作为第一算法模型；

采用所述测试特征集对所述第一算法模型进行测试以得到测试结果，并根据该测试结果对所述第一算法模型进行调整以得到目标算法模型；

对跨省收费站中的待处理入口数据和待处理出口数据采用所述目标算法模型进行匹配以得到匹配结果。

可选的，在上述高速公路客运车辆跨省匹配方法中，所述获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于所述出口数据中的车牌号与入口数据中的车牌号的匹配度生成匹配数据和不匹配数据的步骤包括：

根据高速公路网拓扑结构、收费站位置以及省级行政区边界获得跨省收费站信息，并获取预存的与所述跨省收费站信息对应的客运车辆出口数据和入口数据；

将出口数据中具有完整车牌号对应的出口数据作为目标出口数据，采用预设算法从所述入口数据中查找与所述目标出口数据中的完整车牌号一致且出口数据中的时间与入口数据中的时间的差值位于一设定时间范围的入口数据作为目标入口数据，并将该目标入口数据和与该目标入口数据匹配的目标出口数据作为匹配数据，将其他数据作为不匹配数据。

可选的，在上述高速公路客运车辆跨省匹配方法中，将出口数据中具有完整车牌号对应的出口数据作为目标出口数据，采用预设算法从所述入口数据中查找与所述目标出口数据中的完整车牌号一致且出口数据中的时间与入口数据中的时间的差值位于一设定时间范围的入口数据作为目标入口数据，并将该目标入口数据和与该目标入口数据匹配的目标出口数据作为匹配数据，将其他数据作为不匹配数据的步骤包括：

采用JaroWinkler Distance算法计算出口数据中的车牌号L_出口和入口数据中的车牌号L_入口的相似度S_license：

S_license＝S_j+(lp(1-S_j))

其中，m为L_出口和L_入口匹配的字符数，t为换位的数目；

按照高速公路最低车速不得低于每小时V公里的标准，根据跨省收费站的距离D，计算从出口收费站到入口收费站的行驶时间T：

基于所述行驶时间T对入口数据进行筛选，当筛选得到入口数据中的入口时间减去出口数据的出口时间在时间区间[-T,T]范围内且车牌号相似度S_license在一设定值以上时，判定对应的出口数据对应的车辆和入口数据对应的车辆是同一辆车，并将该入口数据以及与该入口数据匹配的出口数据分别作为所述目标入口数据以及目标出口数据纳入匹配数据，将其他数据纳入不匹配数据。

可选的，在上述高速公路客运车辆跨省匹配方法中，所述入口数据包括入口收费站编码、入口车牌号、入口时间以及入口车型，所述出口数据包括：出口收费站编码、出口车牌号、出口时间以及出口车型，将所述样本数据中的入口数据和所述出口数据进行数学运算以得到综合指标，并对所述综合指标进行统计以得到相关性指标的步骤包括：

利用所述样本数据中入口数据中的入口时间T_入口和入口车型C_入口减去对应的出口数据中的出口时间T_出口和出口车型C_出口得到综合指标：

D_time＝T_入口-T_出口

D_car＝C_入口-C_出口

其中，D_time为出入口时间差、D_car为出入口车型差；

分类统计出所述出入口时间差D_time和出入口车型差D_car的特征分布，并选取判断出口数据和入口数据是否匹配的相关性指标。

可选的，在上述高速公路客运车辆跨省匹配方法中，对所述相关性指标进行处理以得到候选特征集，并对所述候选特征集进行重要程度评价以得到目标特征集的步骤包括：

运用无量纲化、定性特征定量化、定量特征二值化和/或离散特征编码方法对出入口时间差D_time和出入口车型差D_car分别进行处理，形成高速公路客运车辆跨省匹配候选特征集；

采用相关系数法或方差选择法对所述候选特征集的重要程度进行评价得到目标特征集。

可选的，在上述高速公路客运车辆跨省匹配方法中，运用无量纲化、定性特征定量化、定量特征二值化、one-hot编码和/或离散特征编码方法对所述出入口时间差D_time和出入口车型差D_car分别进行处理，形成高速公路客运车辆跨省匹配候选特征集的步骤包括：

采用one-hot编码对所述出入口时间差D_time和出入口车型差D_car分别进行处理以得到包括出入口时间二值特征和出入口车型二值特征的高速公路客运车辆跨省匹配候选特征集。

可选的，在上述高速公路客运车辆跨省匹配方法中，对所述训练特征集采用多种预设机器学习算法进行训练学习以对应得到多种跨省匹配算法模型，并从所述多种跨省匹配算法模型中选取一种作为第一算法模型的步骤包括：

分别使用逻辑回归、K临近值、支持向量机、朴素贝叶斯、决策树、随机森林以及梯度提升机器学习算法对所述训练特征集进行训练学习得到对应的模型，并计算各模型的准确率得分；

将各模型中准确率得分最高的一个对应的模型作为第一算法模型。

可选的，在上述高速公路客运车辆跨省匹配方法中，采用所述测试特征集对所述第一算法模型进行测试并根据测试结果对所述第一算法模型进行处理以得到目标算法模型的步骤包括：

利用所述测试特征集对所述第一算法模型进行测试，并绘制学习曲线、ROC曲线，计算AUC值；

根据学习曲线、ROC曲线以及AUC值，判断所述第一算法模型的拟合状态；

根据所述拟合状态对第一算法模型的参数和特征变量进行调整以得到目标算法模型。

本发明还提供一种高速公路客运车辆跨省匹配装置，包括：

获取模块，用于获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于所述出口数据中的车牌号与入口数据中的车牌号的匹配度生成包括匹配数据和不匹配数据的样本数据；

计算模块，用于将所述样本数据中的入口数据和所述出口数据进行数学运算以得到综合指标，并对所述综合指标进行统计以得到相关性指标；

处理模块，用于对所述相关性指标进行处理以得到候选特征集，并对所述候选特征集进行重要程度评价以得到目标特征集，以及对所述目标特征集进行分配得到训练特征集和测试特征集；

训练模块，用于对所述训练特征集采用多种预设机器学习算法进行训练学习以对应得到多种跨省匹配算法模型，并从所述多种跨省匹配算法模型中选取一种作为第一算法模型；

测试模块，用于采用所述测试特征集对所述第一算法模型进行测试以得到测试结果，并根据该测试结果对所述第一算法模型进行调整以得到目标算法模型；

匹配模块，用于对跨省收费站中的待处理入口数据和待处理出口数据采用所述目标算法模型进行匹配以得到匹配结果。

可选的，在上述高速公路客运车辆跨省匹配装置中，所述获取模块包括：

获取子模块，用于根据高速公路网拓扑结构获得跨省收费站信息，并获取预存的与所述跨省收费站信息对应的客运车辆出口数据和入口数据；

匹配子模块，用于将出口数据中具有完整车牌号对应的出口数据作为目标出口数据，采用预设算法从所述入口数据中查找与所述目标出口数据中的完整车牌号一致且出口数据中的时间与入口数据中的时间的差值位于一设定时间范围的入口数据作为目标入口数据，并将该目标入口数据和与该目标入口数据匹配的目标出口数据作为匹配数据，将其他数据作为不匹配数据。

本发明提供的一种高速公路客运车辆跨省匹配方法及装置，通过获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，并基于入口数据和出口数据得到目标算法模型，对跨省收费站中的待处理入口数据和待处理出口数据采用目标算法模型进行匹配以得到匹配结果。通过上述设置以有效保障高速公路客运车辆跨省匹配的准确性，可有效解决高速公路收费数据跨省分割问题以及由于车牌识别不全或识别错误导致的无法直接通过车牌号进行客运车辆跨省匹配问题，以得到客运车辆在高速公路上完整行驶路径。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

图1为本发明实施例提供的终端设备的结构框图。

图2为本发明实施例提供的高速公路客运车辆跨省匹配方法的流程示意图。

图3为图2中步骤S110的流程示意图。

图4为本发明实施例提供的客运车辆跨省匹配的ROC曲线。

图5为本发明实施例提供的高速公路客运车辆跨省匹配装置的连接框图。

图6为本发明实施例提供的获取模块的连接框图。

图标：10-终端设备；12-存储器；14-处理器；100-高速公路客运车辆跨省匹配装置；110-获取模块；112-获取子模块；114-匹配子模块；120-计算模块；130-处理模块；140-训练模块；150-测试模块；160-匹配模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

如图1所示，本发明实施例提供了一种终端设备10，包括存储器12、处理器14和高速公路客运车辆跨省匹配装置100。其中，所述终端设备10可以是但不限于服务器、智能手机、个人电脑(personal computer，PC)、平板电脑等具有数据处理能力的电子设备，在此不作具体限定。

在本实施实例中，所述存储器12和处理器14之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述高速公路客运车辆跨省匹配装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中的软件功能模块。所述处理器14用于执行所述存储器12中存储的可执行模块，例如所述高速公路客运车辆跨省匹配装置100所包括的软件功能模块及计算机程序等，以实现高速公路客运车辆跨省匹配方法。

其中，所述存储器12可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器12用于存储程序，所述处理器14在接收到执行指令后，执行所述程序。

所述处理器14可能是一种集成电路芯片，具有信号的处理能力。上述的处理器14可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

可以理解，图1所示的结构仅为示意，所述终端设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

结合图2，本发明实施例还提供一种可应用于上述的终端设备10的高速公路客运车辆跨省匹配方法，所述方法包括步骤S110-步骤S160六个步骤。

步骤S110：获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于所述出口数据中的车牌号与入口数据中的车牌号的匹配度生成包括匹配数据和不匹配数据的样本数据。

其中，获取预存的跨省收费站对应的客运车辆的入口数据和出口数据的方式可以是根据用户输入的全国高速公路收费站位置和全国省级行政区划边界对应的收费站信息作为跨省收费站信息，并获取该跨省收费站信息中对应的出口数据和入口数据，也可以是根据高德地图和腾讯地图等高速公路网拓扑结构中获得跨省收费站信息，并获得该跨省收费站信息对应的客运车辆的入口数据和出口数据。

请结合图2，可选的，在本实施例中，所述获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于所述出口数据中的车牌号与入口数据中的车牌号的匹配度生成包括匹配数据和不匹配数据的样本数据的步骤包括：

步骤S112：根据高速公路网拓扑结构、收费站位置以及省级行政区边界获得跨省收费站信息，并获取预存的与所述跨省收费站信息对应的客运车辆出口数据和入口数据。

步骤S114：将出口数据中具有完整车牌号对应的出口数据作为目标出口数据，采用预设算法从所述入口数据中查找与所述目标出口数据中的完整车牌号一致且出口数据中的时间与入口数据中的时间的差值位于一设定时间范围的入口数据作为目标入口数据，并将该目标入口数据和与该目标入口数据匹配的目标出口数据作为匹配数据，将其他数据作为不匹配数据。

需要说明的是，在本实施例中，所述跨省收费站可以是出入站分体，也可以是出入站一体，当所述出入站分体时，所述跨省收费站的出口站与入口站之间的距离应在一个较短的距离范围内，如在20、30或40公里内。

所述预设算法可以是JaroWinkler Distance算法，也可以是LevenshteinDistance算法，根据实际需求进行选取即可，在此不作具体限定。

可选的，在本实施例中，将出口数据中具有完整车牌号对应的出口数据作为目标出口数据，采用预设算法从所述入口数据中查找与所述目标出口数据中的完整车牌号一致且出口数据中的时间与入口数据中的时间的差值位于一设定时间范围的入口数据作为目标入口数据，并将该目标入口数据和与该目标入口数据匹配的目标出口数据作为匹配数据，将其他数据作为不匹配数据的步骤包括：

采用JaroWinkler Distance算法计算出口数据中的车牌号L_出口和入口数据中的车牌号L_入口的相似度S_license：

S_license＝S_j+(lp(1-S_j))

其中，m为L_出口和L_入口匹配的字符数，t为换位的数目；

按照高速公路最低车速不得低于每小时V公里的标准，根据跨省收费站的距离D，计算从出口收费站到入口收费站的行驶时间T：

T＝(D/V)×60

基于所述行驶时间T对入口数据进行筛选，当筛选得到入口数据中的入口时间减去出口数据的出口时间在时间区间[-T,T]范围内且车牌号相似度S_license在一设定值以上时，判定对应的出口数据对应的车辆和入口数据对应的车辆是同一辆车，并将该入口数据以及与该入口数据匹配的出口数据分别作为所述目标入口数据以及目标出口数据纳入匹配数据，将其他数据纳入不匹配数据。

其中，换位的数目t为不匹配的字符数，所述设定值可以是但不限于0.8、0.9或0.95，且当所述相似度大于所述设定值，则判定出口数据中的车牌号和入口数据中的车牌号是一致的。

需要说明的是，全国高速公路收费站和全国省级行政区划边界的空间数据要使用统一的空间坐标系，避免由于空间坐标系不一致而造成的位置偏移，在计算跨省收费站的距离D时，可以将全国高速公路收费站和全国省级行政区划边界叠加在同一地图窗口内，采用人工提取跨省收费站的方式调用地理信息系统平台的工具计算跨省收费站间的距离。

步骤S120：将所述样本数据中的入口数据和所述出口数据进行数学运算以得到综合指标，并对所述综合指标进行统计以得到相关性指标。

其中，所述出口数据可以包括但不限于：出口收费站编码、出口时间、出口车牌号以及出口车型，所述入口数据可以包括但不限于入口收费站编码、入口车牌号、入口时间以及入口车型。

将所述样本数据中的入口数据和所述出口数据进行数学运算以得到综合指标，并对所述综合指标进行统计以得到相关性指标的步骤包括：

利用入口数据中的入口时间T_入口和入口车型C_入口减去对应的出口数据中的出口时间T_出口和出口车型C_出口得到综合指标：

D_time＝T_入口-T_出口

D_car＝C_入口-C_出口

其中，D_time为出入口时间差，D_car为出入口车型差；

分类统计出所述出入口时间差D_time和出入口车型差D_car的特征分布，并选取判断出口数据和入口数据是否匹配的相关性指标。

步骤S130：对所述相关性指标进行处理以得到候选特征集，并对所述候选特征集进行重要程度评价以得到目标特征集，以及对所述目标特征集进行分配得到训练特征集和测试特征集。

其中，对所述目标特征及进行分配得到训练特征集和测试特征集的方式是可以是，按照一设定比例对所述目标特征及进行分配得到训练特征集和测试特征集，例如，可以是按照8:2的比例或7:3的比例对所述目标特征及进行分配得到训练特征集和测试特征集。

对所述相关性指标进行处理以得到候选特征集，并对所述候选特征集进行重要程度评价以得到目标特征集的步骤包括：

运用无量纲化、定性特征定量化、定量特征二值化和/或离散特征编码方法对出入口时间差D_time和出入口车型差D_car分别进行处理，形成高速公路客运车辆跨省匹配候选特征集。

采用相关系数法或方差选择法对所述候选特征集的重要程度进行评价得到目标特征集。

具体的，在本实施例中，采用one-hot编码对所述出入口时间差D_time和出入口车型差D_car分别进行处理以得到包括出入口时间二值特征和出入口车型二值特征的高速公路客运车辆跨省匹配候选特征集。

步骤S140：对所述训练特征集采用多种预设机器学习算法进行训练学习以对应得到多种跨省匹配算法模型，并从所述多种跨省匹配算法模型中选取一种作为第一算法模型。

其中，多种预设及其学习算法可以包括但不限于逻辑回归、K临近值、支持向量机、朴素贝叶斯、决策树、随机森林以及梯度提升。

对所述训练特征集采用多种预设机器学习算法进行训练学习以对应得到多种跨省匹配算法模型，并从所述多种跨省匹配算法模型中选取一种作为第一算法模型的步骤包括：

分别使用逻辑回归、K临近值、支持向量机、朴素贝叶斯、决策树、随机森林以及梯度提升机器学习算法对特征集进行训练学习，并计算各模型的准确率得分。

将各模型中准确率得分最高的一个对应的模型作为第一算法模型。

步骤S150：采用所述测试特征集对所述第一算法模型进行测试以得到测试结果，并根据该测试结果对所述第一算法模型进行调整以得到目标算法模型。

具体的，采用所述测试特征集对所述第一算法模型进行评估以得到评估结果，并根据该评估结果对所述第一算法模型进行校准以得到目标算法模型的步骤包括：

利用所述测试特征集对所述第一算法模型进行测试，并绘制学习曲线、ROC曲线，计算AUC值。

根据学习曲线、ROC曲线以及AUC值，判断所述第一算法模型的拟合状态。

根据所述拟合状态对第一算法模型的参数和特征变量进行调整以得到目标算法模型。

步骤S160：对跨省收费站中的待处理入口数据和待处理出口数据采用所述目标算法模型进行匹配以得到匹配结果。

具体的，通过将所述待处理入口数据和待处理出口数据输入至所述目标算法模型，以使所述目标算法模型对所述出口数据和入口数据进行匹配。

通过上述设置，以有效实现高速公路客运车辆的跨省匹配，可有效解决高速公路收费数据跨省分割问题以及由于车牌识别不全或识别错误导致的无法直接通过车牌号进行客运车辆跨省匹配问题，从而还原客运车辆在全国高速公路上的完整行驶路径，为高速公路运输统计分析、经济运行分析等分析决策提供基础支撑。

在本实施例中，以所述跨省收费站包括以贵州新寨收费站作为跨省出口站和广西黔桂六寨收费站作为跨省入口站为例进行说明。分别获取预存的客运车辆2017年6月贵州新寨收费站出口数据和广西黔桂六寨收费站入口数据，并剔除车牌号为空、数据指标为空的记录，具体的入口数据包括入口收费站编号、入口收费站名称、入口车牌号、入口时间以及入口车型，出口数据包括出口收费站编号、出口收费站名称、出口车牌号、出口时间以及出口车型。

贵州新寨收费站2017年6月客运车辆出站数据参阅表1：

表1

广西黔桂六寨收费站2017年6月客运车辆入站数据参阅表2：

表2

其中，车牌号一般由汉字+字母+数字组成，其中首汉字为省份的简称，第二个字母一般代表城市，后面由字母或数字组成，车牌号长度为7。按照车牌号的编码规则，从出口数据中筛选出符合车牌号编码规则的完整车牌号记录。

计算贵州新寨收费站与广西黔桂六寨收费站之间的通行时间。根据贵州新寨收费站和广西黔桂六寨收费站的经纬度坐标以及高速公路网的路网结构，可以计算出贵州新寨收费站与广西黔桂六寨收费站的距离为8.4公里。在不考虑高速公路网拓扑结构情况下，按照高速公路最低车速不得低于每小时60公里的标准，贵州新寨收费站与广西黔桂六寨收费站的通行时间最长为8.4分钟。

以出口数据中的出口时间为基准，从入口数据中筛选出入口时间差在[-9,9]分钟内的入口记录集。

利用JaroWinklerDistance算法计算出口车牌号与入口车牌号的相似度。计算结果参阅表3：

表3

序号	出口车牌号	入口车牌号	车牌相似度
				1	渝BDL159	渝BDL159	1
2	渝BDL159	粤X198C8	0.4285714
				3	渝BDL159	粤BB13A2	0.5238096
4	桂ELB399	粤X198C8	0.4285714
				5	桂ELB399	粤BB13A2	0.5238096
6	渝C620Z6	渝A32G08	0.6190476
				7	粤J08B87	桂B9B989	0.3571429
···	···	···	···

如果车牌号相似度在0.9以上，判定出口车辆和入口车辆是同一辆车，纳入匹配数据，否则判定出口车辆和入口车辆为非同一辆车，纳入不匹配数据。最终由匹配数据和不匹配数据构成的高速公路跨省匹配的样本数据，并参阅表4：

表4

在本实施例中，将上述获得贵州新寨收费站出口数据和广西黔桂六寨收费站入口数据生成的样本数据。

通过对样本数据中出口数据和入口数据进行数学运算，以将出、入口离散化指标转化成可对比、可分析的综合指标。通过直方图等统计图表分析综合指标的分布规律，掌握对判断出、入口数据是否匹配的相关性指标。具体的计算出、入口数据的指标差异，如出入口时间差D_time、出入口车型差D_car。计算结果参阅表5：

表5

根据是否匹配指标，统计出入口时间差D_time和出入口车型差D_car的数据分布。

出入口时间差D_time的数据分布参阅表6：

表6

出入口车型差D_car的数据分布参阅表7：

表7

根据表6和表7可知：出入口时间差D_time、出入口车型差D_car对于完全匹配样本具有显著分布规律，例如完全匹配样本的出入口时间差D_time集中在[-1,1]分钟范围内，出入口车型差D_car集中在[-1,1]范围内。因此，选择出入口时间差D_time、出入口车型差D_car作为判断高速公路客运车辆跨省匹配的相关性指标。

因此，在运用无量纲化、定性特征定量化、定量特征二值化、离散特征编码等方法对相关性指标进行处理，形成高速公路客运车辆跨省匹配候选特征集，以及利用相关系数法、方差选择法等方法对候选特征集中的重要程度进行评价，选择最适合判断高速公路客运车辆跨省是否匹配的特征集，具体的方式为：

对于出入口时间差D_time、出入口车型差D_car两个指标采用One-Hot编码，将离散特征值转化为包含多个状态位的二值特征，从而形成高速公路客运车辆跨省匹配候选特征集，具体包括{TD_-14,TD_-13,TD_-12,TD_11,TD_10,TD_9,TD_8,TD_7,TD_6,TD_5,TD_4,TD_3,TD_2,TD_1,TD_0,TD_1,TD_2,TD_3,TD_4,TD_5,TD_6,TD_7,TD_8,TD_9,TD_10,TD_11,TD_12,TD_13,TD_14,MD_-3,MD_-2,MD_-1,MD_0,MD_1,MD_2,MD_3}，其中，TD_开头的特征为出入口时间差采用One-Hot编码后生成的指标，MD_开头的特征为出入口车型差采用One-Hot编码后生成的指标。利用Random Forest方法对候选特征集的重要程度进行评价。评价结果请参阅表8：

表8

根据特征的重要程度排名，选取排名前9的特征作为目标特征集，并按照0.8和0.2的比例对目标特征集进行分割，80％的数据用于训练以作为训练特征集，20％的数据用于测试以作为测试特征集，并采用训练特征集进行建模。

即对包括TD_0、MD_0、MD_3、MD_-3、TD_-1、TD_-9、TD_-10的目标特征集采用逻辑回归、K临近值、支持向量机、朴素贝叶斯、决策树、随机森林、梯度提升等机器学习算法进行训练，并计算预测准确率。计算结果参阅表9：

表9

序号	算法名称	预测准确率
			1	RandomForest	0.966918
2	LogisticRegression	0.966918
			3	KNN	0.966918
4	GradientBoosting	0.966918
			5	AdaBoosting	0.966524
6	DecisionTree	0.966918
			7	GaussianNativeByes	0.966524
8	SVC	0.966918

从表9可以看出，各种模型的精度比较接近，但RandomForest算法计算时间相对较短，因此优选RandomForest算法作为解决高速公路客运车辆跨省匹配问题的第一算法模型。

利用所述测试特征集对所述第一算法模型进行验证，通过绘制学习曲线、ROC曲线，计算AUC值等方法对第一算法模型进行评估，根据评估结果对第一算法模型进行相应的优化和改进以得到目标算法模型。

具体的，运用RandomForest算法计算得出的AUC值为0.9798609318093167，ROC曲线请参阅图4，从ROC曲线和AUC值可以看出，RandomForest算法适合用于解决高速公路客运车辆跨省匹配问题。

训练好的贵州新寨收费站至广西黔桂六寨收费站2017年6月的目标算法模型应用于判别2017年7月、8月的高速公路客运车辆跨省是否匹配，检验模型的泛化能力。统计结果见表10：

表10

从表10统计结果可以看出，目标算法模型具有很好的泛化能力，可以用来判别贵州新寨收费站至广西黔桂六寨收费站其他时间段的高速公路客运车辆跨省是否匹配。

因此，采用本实施例提供的高速公路客运车辆跨省匹配方法可有效解决高速公路收费数据跨省分割问题以及由于车牌识别不全或识别错误导致的无法直接通过车牌号进行客运车辆跨省匹配问题，从而还原客运车辆在全国高速公路上的完整行驶路径，为高速公路运输统计分析、经济运行分析等分析决策提供基础支撑。

请结合图5，在上述基础上，本发明还提供一种高速公路客运车辆跨省匹配装置100，包括获取模块110、计算模块120、处理模块130、训练模块140、评估模块150以及匹配模块160。

所述获取模块110用于获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于所述出口数据中的车牌号与入口数据中的车牌号的匹配度生成包括匹配数据和不匹配数据的样本数据。在本实施例中，所述获取模块110可用于执行图2所示的步骤S110，关于所述获取模块110的具体描述可以参照前文对步骤S110的描述。

请结合图6，可选的，在本实施例中，所述获取模块110包括获取子模块112和匹配子模块114。

所述获取子模块112用于根据高速公路网拓扑结构、收费站位置以及省级行政区边界获得跨省收费站信息，并获取预存的与所述跨省收费站信息对应的客运车辆出口数据和入口数据。在本实施例中，所述获取子模块112可用于执行图3所示的步骤S112，关于所述获取子模块112的具体描述可以参照前文对步骤S112的描述。

所述匹配子模块114用于将出口数据中具有完整车牌号对应的出口数据作为目标出口数据，采用预设算法从所述入口数据中查找与所述目标出口数据中的完整车牌号一致且出口数据中的时间与入口数据中的时间的差值位于一设定时间范围的入口数据作为目标入口数据，并将该目标入口数据和与该目标入口数据匹配的目标出口数据作为匹配数据，将其他数据作为不匹配数据。在本实施例中，所述匹配子模块114可用于执行图3所示的步骤S114，关于所述匹配子模块114的具体描述可以参照前文对步骤S114的描述。

所述计算模块120用于将所述样本数据中的入口数据和所述出口数据进行数学运算以得到综合指标，并对所述综合指标进行统计以得到相关性指标。在本实施例中，所述计算模块120可用于执行图2所示的步骤S120，关于所述计算模块120的具体描述可以参照前文对步骤S120的描述。

所述处理模块130用于对所述相关性指标进行处理以得到候选特征集，并对所述候选特征集进行重要程度评价以得到目标特征集，以及对所述目标特征集进行分配得到训练特征集和测试特征集。在本实施例中，所述处理模块130可用于执行图2所示的步骤S130于所述处理模块130的具体描述可以参照前文对步骤S130。

所述训练模块140用于对所述训练特征集采用多种预设机器学习算法进行训练学习以对应得到多种跨省匹配算法模型，并从所述多种跨省匹配算法模型中选取一种作为第一算法模型。在本实施例中，所述训练模块140可用于执行图2所示的步骤S140，关于所述训练模块140的具体描述可以参照前文对步骤S140的描述。

所述评估模块150用于采用所述测试特征集对所述第一算法模型进行评估以得到评估结果，并根据该评估结果对所述第一算法模型进行调整以得到目标算法模型。在本实施例中，所述评估模块150可用于执行图2所示的步骤S150，关于所述评估模块150的具体描述可以参照前文对步骤S150的描述。

所述匹配模块160用于对跨省收费站中的待处理入口数据和待处理出口数据采用所述目标算法模型进行匹配以得到匹配结果。在本实施例中，所述匹配模块160可用于执行图2所示的步骤S160，关于所述匹配模块160的具体描述可以参照前文对步骤S160的描述。

综上，本发明提供的一种高速公路客运车辆跨省匹配方法及装置，通过获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于入口数据和出口数据得到目标算法模型，对跨省收费站中的待处理入口数据和待处理出口数据采用目标算法模型进行匹配以得到匹配结果。通过上述设置以有效保障高速公路客运车辆跨省匹配的准确性，可有效解决高速公路收费数据跨省分割问题以及由于车牌识别不全或识别错误导致的无法直接通过车牌号进行客运车辆跨省匹配问题。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种高速公路客运车辆跨省匹配方法，其特征在于，所述方法包括：

获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于所述出口数据中的车牌号与入口数据中的车牌号的匹配度生成包括匹配数据和不匹配数据的样本数据；

将所述样本数据中的入口数据和所述出口数据进行数学运算以得到综合指标，并对所述综合指标进行统计以得到相关性指标；

对所述相关性指标进行处理以得到候选特征集，并对所述候选特征集进行重要程度评价以得到目标特征集，以及对所述目标特征集进行分配得到训练特征集和测试特征集；

对所述训练特征集采用多种预设机器学习算法进行训练学习以对应得到多种跨省匹配算法模型，并从所述多种跨省匹配算法模型中选取一种作为第一算法模型；

采用所述测试特征集对所述第一算法模型进行测试以得到测试结果，并根据该测试结果对所述第一算法模型进行调整以得到目标算法模型；

对跨省收费站中的待处理入口数据和待处理出口数据采用所述目标算法模型进行匹配以得到匹配结果；

所述获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于所述出口数据中的车牌号与入口数据中的车牌号的匹配度生成匹配数据和不匹配数据的步骤包括：

根据高速公路网拓扑结构、收费站位置以及省级行政区边界获得跨省收费站信息，并获取预存的与所述跨省收费站信息对应的客运车辆出口数据和入口数据；

将出口数据中具有完整车牌号对应的出口数据作为目标出口数据，采用预设算法从所述入口数据中查找与所述目标出口数据中的完整车牌号一致且出口数据中的时间与入口数据中的时间的差值位于一设定时间范围的入口数据作为目标入口数据，并将该目标入口数据和与该目标入口数据匹配的目标出口数据作为匹配数据，将其他数据作为不匹配数据；

所述入口数据包括入口收费站编码、入口车牌号、入口时间以及入口车型，所述出口数据包括：出口收费站编码、出口车牌号、出口时间以及出口车型，将所述样本数据中的入口数据和所述出口数据进行数学运算以得到综合指标，并对所述综合指标进行统计以得到相关性指标的步骤包括：

利用所述样本数据中入口数据中的入口时间T_入口和入口车型C_入口减去对应的出口数据中的出口时间T_出口和出口车型C_出口得到综合指标：

D_time＝T_入口-T_出口

D_car＝C_入口-C_出口

其中，D_time为出入口时间差、D_car为出入口车型差；

分类统计出所述出入口时间差D_time和出入口车型差D_car的特征分布，并选取判断出口数据和入口数据是否匹配的相关性指标；

对所述训练特征集采用多种预设机器学习算法进行训练学习以对应得到多种跨省匹配算法模型，并从所述多种跨省匹配算法模型中选取一种作为第一算法模型的步骤包括：

分别使用逻辑回归、K临近值、支持向量机、朴素贝叶斯、决策树、随机森林以及梯度提升机器学习算法对所述训练特征集进行训练学习得到对应的模型，并计算各模型的准确率得分；

将各模型中准确率得分最高的一个对应的模型作为第一算法模型。

2.根据权利要求1所述的高速公路客运车辆跨省匹配方法，其特征在于，将出口数据中具有完整车牌号对应的出口数据作为目标出口数据，采用预设算法从所述入口数据中查找与所述目标出口数据中的完整车牌号一致且出口数据中的时间与入口数据中的时间的差值位于一设定时间范围的入口数据作为目标入口数据，并将该目标入口数据和与该目标入口数据匹配的目标出口数据作为匹配数据，将其他数据作为不匹配数据的步骤包括：

采用JaroWinkler Distance算法计算出口数据中的车牌号L_出口和入口数据中的车牌号L_入口的相似度S_license：

S_license＝S_j+(lp(1-S_j))

其中，m为L_出口和L_入口匹配的字符数，t为换位的数目；

按照高速公路最低车速不得低于每小时V公里的标准，根据跨省收费站的距离D，计算从出口收费站到入口收费站的行驶时间T：

T＝(D/V)×60

基于所述行驶时间T对入口数据进行筛选，当筛选得到入口数据中的入口时间减去出口数据的出口时间在时间区间[-T，T]范围内且车牌号相似度S_license在一设定值以上时，判定对应的出口数据对应的车辆和入口数据对应的车辆是同一辆车，并将该入口数据以及与该入口数据匹配的出口数据分别作为所述目标入口数据以及目标出口数据纳入匹配数据，将其他数据纳入不匹配数据。

3.根据权利要求1所述的高速公路客运车辆跨省匹配方法，其特征在于，对所述相关性指标进行处理以得到候选特征集，并对所述候选特征集进行重要程度评价以得到目标特征集的步骤包括：

运用无量纲化、定性特征定量化、定量特征二值化和/或离散特征编码方法对出入口时间差D_time和出入口车型差D_car分别进行处理，形成高速公路客运车辆跨省匹配候选特征集；

采用相关系数法或方差选择法对所述候选特征集的重要程度进行评价得到目标特征集。

4.根据权利要求3所述的高速公路客运车辆跨省匹配方法，其特征在于，运用无量纲化、定性特征定量化、定量特征二值化、one-hot编码和/或离散特征编码方法对所述出入口时间差D_time和出入口车型差D_car分别进行处理，形成高速公路客运车辆跨省匹配候选特征集的步骤包括：

采用one-hot编码对所述出入口时间差D_time和出入口车型差D_car分别进行处理以得到包括出入口时间二值特征和出入口车型二值特征的高速公路客运车辆跨省匹配候选特征集。

5.根据权利要求1所述的高速公路客运车辆跨省匹配方法，其特征在于，采用所述测试特征集对所述第一算法模型进行测试并根据测试结果对所述第一算法模型进行处理以得到目标算法模型的步骤包括：

利用所述测试特征集对所述第一算法模型进行测试，并绘制学习曲线、ROC曲线，计算AUC值；

根据学习曲线、ROC曲线以及AUC值，判断所述第一算法模型的拟合状态；

根据所述拟合状态对第一算法模型的参数和特征变量进行调整以得到目标算法模型。

6.一种高速公路客运车辆跨省匹配装置，其特征在于，包括：

获取模块，用于获取预存的跨省收费站对应的客运车辆的入口数据和出口数据，基于所述出口数据中的车牌号与入口数据中的车牌号的匹配度生成包括匹配数据和不匹配数据的样本数据；

计算模块，用于将所述样本数据中的入口数据和所述出口数据进行数学运算以得到综合指标，并对所述综合指标进行统计以得到相关性指标；

处理模块，用于对所述相关性指标进行处理以得到候选特征集，并对所述候选特征集进行重要程度评价以得到目标特征集，以及对所述目标特征集进行分配得到训练特征集和测试特征集；

训练模块，用于对所述训练特征集采用多种预设机器学习算法进行训练学习以对应得到多种跨省匹配算法模型，并从所述多种跨省匹配算法模型中选取一种作为第一算法模型；

测试模块，用于采用所述测试特征集对所述第一算法模型进行测试以得到测试结果，并根据该测试结果对所述第一算法模型进行调整以得到目标算法模型；

匹配模块，用于对跨省收费站中的待处理入口数据和待处理出口数据采用所述目标算法模型进行匹配以得到匹配结果；

所述获取模块包括获取子模块和匹配子模块；

所述获取子模块，用于根据高速公路网拓扑结构、收费站位置以及省级行政区边界获得跨省收费站信息，并获取预存的与所述跨省收费站信息对应的客运车辆出口数据和入口数据；

所述匹配子模块，用于将出口数据中具有完整车牌号对应的出口数据作为目标出口数据，采用预设算法从所述入口数据中查找与所述目标出口数据中的完整车牌号一致且出口数据中的时间与入口数据中的时间的差值位于一设定时间范围的入口数据作为目标入口数据，并将该目标入口数据和与该目标入口数据匹配的目标出口数据作为匹配数据，将其他数据作为不匹配数据；

所述入口数据包括入口收费站编码、入口车牌号、入口时间以及入口车型，所述出口数据包括：出口收费站编码、出口车牌号、出口时间以及出口车型，所述计算模块用于：

利用所述样本数据中入口数据中的入口时间T_入口和入口车型C_入口减去对应的出口数据中的出口时间T_出口和出口车型C_出口得到综合指标：

D_time＝T_入口-T_出口

D_car＝C_入口-C_出口

其中，D_time为出入口时间差、D_car为出入口车型差；

分类统计出所述出入口时间差D_time和出入口车型差D_car的特征分布，并选取判断出口数据和入口数据是否匹配的相关性指标；

所述训练模块用于：

分别使用逻辑回归、K临近值、支持向量机、朴素贝叶斯、决策树、随机森林以及梯度提升机器学习算法对所述训练特征集进行训练学习得到对应的模型，并计算各模型的准确率得分；

将各模型中准确率得分最高的一个对应的模型作为第一算法模型。