Basado en datos de transacciones de autopistas, se seleccionaron 10 indicadores que representan características individuales del usuario y características espacio-temporales del viaje para construir un modelo de características del usuario. Se utilizaron los algoritmos K-means, fuzzy C-means y el mapa autoorganizado para clasificar las características del usuario y se aplicaron a los datos ETC de un tramo específico. Los resultados del estudio muestran que, en comparación con K-means y fuzzy C-means, el modelo SOM tiene un mejor desempeño en la clasificación de los patrones de viaje del usuario; la división de los usuarios de la autopista en seis categorías es razonable. Basado en los resultados de clasificación, se propuso una estrategia de tarificación diferencial personalizada, que fue validada mediante simulación numérica.

datos ETC;algoritmos de agrupamiento;análisis de patrones de viaje;tarificación diferencial