Basierend auf Autobahn-Transaktionsdaten wurden 10 Indikatoren ausgewählt, die individuelle Nutzermerkmale und raum-zeitliche Reisecharakteristika repräsentieren, um ein Nutzermerkmalmodell zu erstellen. K-means, Fuzzy C-means und Self-Organizing Map (SOM) wurden zur Klassifikation der Nutzermerkmale eingesetzt und auf ETC-Daten eines bestimmten Streckenabschnitts angewendet. Die Forschungsergebnisse zeigen, dass das SOM-Modell im Vergleich zu K-means und Fuzzy C-means bessere Ergebnisse bei der Klassifizierung von Reisemustern erzielt; die Einteilung der Autobahnnutzer in sechs Klassen ist sinnvoll. Basierend auf den Klassifizierungsergebnissen wurde eine personalisierte differenzierte Tarifstrategie vorgeschlagen und deren Vernunft durch numerische Simulation bestätigt.

ETC-Daten;Clustering-Algorithmen;Analyse von Reisemustern;differenzierte Tarifgestaltung