随着全国高速公路计费方式由按最短路计费调整为按实际行驶路径计费,收费路径的科学识别成为高速联网收费系统精准运行的基础。现有收费路径识别依靠分布于路网中的车辆检测器对车辆行驶路径进行标识,但检测器设备故障、通信中断或工况不稳等问题导致实际使用中出现异常计费现象。针对这一现实问题,建立一套独立于检测器系统的收费路径识别方法显得尤为重要。联网收费数据中储存车辆进出站点及进出站时间信息。本研究着眼于提取收费数据中的有效信息,并据此构建收费路径识别系统。基本思路如下:对收费数据进行去噪与融合处理,并从中提取通行时间信息,结合路网实际拓扑获取合理路径集合,最终根据通行时间分布特征构建模型,对待缴费的车辆进行收费路径识别。本文利用高速公路联网收费数据,在分析收费数据与高速路网特性基础上,完成了以下研究工作:(1)对高速收费数据格式及特点进行介绍,说明从收费数据中提取通行时间数据进行研究的可行性;同时对多路径选择相关概念进行解释和定义,说明了合理路径、有效路径及收费路径间的相互区别与联系。(2)对收费数据产生异常的原因进行分析,并分析了ETC(自动收费)与MTC(人工收费)通行时间数据融合的必要性。在此基础上,提出数据预处理思路:首先剔除字段缺失或逻辑错误的数据并在剩余数据中筛选出有效数据,然后结合ETC与MTC数据特点,采取动态方法进行数据融合。(3)提出双层映射法。针对高速路网中大部分收费站位于路段中部,因而不会对路径选择产生影响的特性,将高速路网数据保存至双层数据结构中,完整储存路网信息的同时最大化压缩节点数以节约运算资源。(4)提出考虑方向角约束的蚁群算法。由于驾驶员对路网信息未完全掌握,故其往往选择经验路径而非严格最短路径。蚁群算法根据信息素浓度可能收敛至多条路径,此特性能够对上述寻路特性较好地进行刻画。在此基础上引入轨迹方向角对路径集合进行约束加速算法收敛,可用于求解高速路网中多合理路径问题。(5)利用EM算法对存在多路径的OD对间的通行时间混合高斯分布进行参数估计,采用BIC准则选择模型,从合理路径集合中筛选匹配出应用于收费路径识别的有效路径集合。然后将EM算法得出的隐参数作为各路径被选择的概率,拆分出的子高斯分布参数用于计算特定通行时间在各有效路径中的发生概率,以此建立贝叶斯分类器,对通行车辆进行收费路径识别。(6)结合H省高速公路收费数据与路网数据进行实例验证。对2018年全年收费数据进行预处理,同时构建高速路网模型。选取H站至T站为例计算合理路径集合,提取两站间1类货车通行时间数据进行处理,构建贝叶斯分类器。由于原始通行时间数据中并无行驶路径信息,无法用于分类器性能验证,故采用蒙特卡洛仿真算法构建带有路径标签的50000条仿真数据作为测试集输入,经实验识别率达到92.86%。最后对误判数据特性进行分析,以车检器方案为辅助手段在保证系统效率的同时提高整体识别精度。提高方法的科学性及实用性。