基于多源大数据的货车超限超载行为预测  

作　　者：陈爱伟 张文波[2] 陈玉飞 万剑 

机构地区：[1]华设设计集团股份有限公司智能交通技术和设备交通运输行业研发中心,江苏南京210014 [2]东南大学交通学院,江苏南京211189

出　　处：《中国交通信息化》2022年第10期142-147,共6页China ITS Journal

基　　金：江苏省交通运输科技成果与转化项目基于大数据的违法超限超载运输治理技术应用(2020Y16)。

摘　　要：为了解决超限超载行为治理难度大、执法精准度低、大数据执法应用深度不足等问题,基于超限超载治理的多源异构数据,采用随机森林模型构建车辆超限超载行为预测方法。本文综合考虑货运车辆基础数据、卫星定位数据、检测站点称重数据、高速公路入口劝返数据、历史案件数据等多源数据,针对数据量大、价值密度低、特征提取难度大等问题,提取车辆的载重类型、结构型式、车牌注册地、注册年限、使用时间等管理特征,上一行程平均速度、上一行程里程、上一行程是否超限超载、当前货车行程平均速度、当前行程已行驶里程等运行特征,近一周的平均速度、运营里程、超限超载次数等营运特征,分别基于随机森林、朴素贝叶斯、逻辑回归算法构建模型,并对比分析了预测效果。以F1-score作为综合评判标准,实验结果分别为94.39%、81.03%和80.24%,随机森林的综合表现更优。算法应用可为执法人员提供更聚焦的执法对象和大数据支撑,并可提取车辆历史特征作为执法依据,以提升现场执法效率和精准性。

关 键 词：超限治理 行为预测方法 随机森林 多源数据 大数据分析 

分 类 号：U492.321[交通运输工程—交通运输规划与管理]