[发明专利]一种基于车辆通行特征的ETC客户细分方法

说明书

一种基于车辆通行特征的ETC客户细分方法，将ETC客户细分指标分别定义为最近消费间隔、年通行频次和年消费金额三类，在定义ETC客户细分指标之后采用CLARA算法进行ETC客户聚类分析，将最好的聚类结果输出；在ETC客户聚类分析完成后，采用CART算法建立细分规则提取算法，然后进行ETC客户细分模型的建立，得到ETC客户星级评定结果。本发明通过结合CLARA算法完成了ETC客户全样本数据聚类分析，克服了PAM算法对于大数据聚类的失效问题，实现了ETC客户细分，设计了ETC客户星级评定方法，可为高速公路运营管理单位探索ETC客户精准营销和分级费率优惠方面提供创新思路。

技术领域

本发明涉及智能交通领域，具体涉及应用大数据分析与挖掘技术建立的一种基于车辆通行特征的高速公路ETC客户细分方法。

背景技术

电子不停车收费(Electronic Toll Collection,ETC)系统是智能信息化交通运输体系建设的重要部分，ETC系统可降低车辆通行时间和能源消耗，同时又可节约基建和运营成本，因而成为世界各国都在大力推崇的先进支付方式。自20世纪90年代以来，伴随着以客户为中心的管理理念发展，由Gartner group咨询公司提出的客户关系管理(CustomerRelationship Management,CRM)受到广泛重视，客户关系管理有助于维系和拓展客户与企业间的互利关系。

在公路交通领域，对ETC系统研究主要集中于新建和改、扩建的综合效益评价。在全国已建成较为完善的ETC基础设施网络的背景下，如何利用ETC系统产生的海量收费数据，对其进行深度分析，从中获取ETC客户的通行特征，挖掘客户潜力，从而达到提升客户价值、实现精确营销的目的，是ETC推广应用中面临的重要问题。

发明内容

有鉴于此，本发明的目的是提供一种基于车辆通行特征的ETC客户细分方法。

为实现上述目的，本发明的技术方案是：

一种基于车辆通行特征的ETC客户细分方法，将ETC客户细分指标分别定义为最近消费间隔、年通行频次和年消费金额三类，

在定义ETC客户细分指标之后采用CLARA算法进行ETC客户聚类分析，将最好的聚类结果输出；

在ETC客户聚类分析完成后，采用CART算法建立细分规则提取算法；

在ETC客户聚类分析与细分规则提取算法建立完成后进行ETC客户细分模型的建立，得到ETC客户星级评定结果。

本发明进一步的改进在于，按ETC卡号对ETC客户的消费记录进行聚集，对年通行频次为F的ETC客户，其最近消费间隔R和年消费金额M的指标计算方法如下：

R＝T_set-T_{F_out} (1)

式(1)中，T_set表示一个指定的时间；T_{F_out}表示车辆在统计年中第F次消费时间(ETC出口时间)；

式(2)中，S_i表示车辆第i次通行的消费金额。

本发明进一步的改进在于，采用CLARA算法进行ETC客户聚类分析的过程为：

(1)对于1至抽样次数，重复执行步骤(a)-(d)；其中，samples为抽样次数；

(a)随机从整个ETC客户指标数据集D中随机抽取sampsize个数据作为一个样本，利用PAM算法确定该样本k个最优的中心[M₁,M₂…M_k]^T；其中，sampsize为抽样集中样本数；