计算机运算力高很难被入侵,ETC系统客户数据异常检测法研究.pdf

ETC系统客户数据异常检测法研究

摘要

随着经济的发展，汽车运输量大幅度提高，在路车辆也越来越多，从而使传

统的人工收费和半自动收费方式，越来越难以满足收费公路运营和管理的要求，

在收费出入口处经常因收费效率低下而引起严重的交通阻塞和车辆延误，造成惊

人的经济损失。为了解决这一问题，各国正积极开发电子收费系统，并已进入实

用阶段。电子收费虽然会减少收费作弊以及逃费的行为，但是仍然不可避免。单

纯采用硬件检测的方法既增加了建设成本，又不能充分的利用公路管理部门储存

的ETC系统客户的海量信息。因此如何更多的了解客户的信息，并将这种信息转

变成知识，从而更好的为客户提供高质量的服务，保持和发展高价值的客户，降

低客户流失率，检测逃费和欺诈客户将成为高速公路客户管理的一个紧追课题。

新兴的数据挖掘技术能够从海量的存储数据中发现一些未知的、有价值、潜在的

规律，无疑为高速公路管理和服务提供了强有力的支持。

本论文重点对高速公路ETC系统客户的开户行的账单记录以及高速公路收

费记录的调查研究和采集到的数据信息进行模拟分析，发现ETC系统客户异常行

为的方法，及时发现流失、逃费以及欺诈的客户。然后通过数据挖掘的多种方法，

找出它们在数据上的表现形式，以便采取必要的措施杜绝或减少逃费欺诈现象，

减少通行费和客户的流失，实现科学、合理、高效的管理。

本论文的主要研究内容如下：

(1)将数据挖掘引入到国内高速公路的ETC系统业务的分析中。主要是对

数据异常检测中的一些应用。

(2)采用一种改进的BP神经网络算法预测ETC系统客户是否流失。

(3)采用一种模糊聚类和C．均值聚类方法相结合的方法和提出一种基于稳

定遗传算法的神经网络模型，用来预测ETC系统客户是否有逃费行为。

(4)提出一种改进的模糊ID3算法以及采用回归分析算法判断ETC系统客

户是否有欺诈行为。

关键字：数据挖掘、不停车收费、异常检测、遗传算法、神经网络、决策树、回

归分析、聚类分析

Withtlle of traffic of

development vehicleare

economy,the

quantities increasing

and

there

aremoreand

morecars

onthe that

artificial

largely road，SO toll．collection

and

halfautomatic

toll—collectionare

hardtobe with

satisfiedthe and

operation

of

toll—collection．Serious

managementrequest trafficblockandtraffic because

delay

oflowtoll inthe oftoll

stationcause

efficiencypassageway striking