基于最小代价与多维异常检测引擎的路径拟合精度改进及评估方法

《Scientific Reports》：A path fitting accuracy improvement and evaluation method based on minimum toll and multi-dimensional anomaly detection engine

　　

摘要

高速公路联网收费中门架数据的缺失或异常会导致路径拟合不准确，并引发“同路不同费”现象。针对这一局限性，本文引入了一种两阶段路径拟合框架。第一阶段（基准拟合）基于全网拓扑结构快速生成时空合理的路径；第二阶段（优化拟合）将“最低收费”业务原则与并行化多维异常检测引擎深度整合，系统地定义了六种现实异常类型并提供了相应的数学检测模型。本文提出了一种双指标质量评估模型，为拟合结果的可靠性提供了定量依据。基于真实交易数据的实验表明，与传统的最短路径拟合和基准方法相比，所提出的框架将路径拟合准确率提高了 33.9%，并将计费偏差率降低了 88.3%。置信度指标与实际拟合误差表现出强负相关（皮尔逊系数 ?0.87），验证了模型的有效性。此外，案例研究展示了两阶段框架和评估模型的实际应用。本研究为实现高速公路网络的精确公平收费奠定了理论和实践路径。