1.一种基于ETC收费数据的车辆驶入服务区判别方法，其特征在于，该方法包括：对高速公路ETC数据进行时空匹配，得到时空匹配数据；

根据ETC数据的时空匹配数据，计算每辆车在服务区路段的平均行驶速度；

根据车辆的平均行驶速度构建混合高斯模型，并得到对数似然函数；

根据所述对数似然函数以及EM算法得到混合高斯模型的参数迭代式子；

根据所述参数迭代式子分别求客车和货车平均速度的概率分布参数；

根据所述客车和货车平均速度的概率分布参数，求解速度阈值目标函数，包括：客车速度阈值目标函数和货车速度阈值目标函数；

利用模拟退火算法求解所述速度阈值目标函数，得到划分客车与货车驶入服务区的判别标准。

2.根据权利要求1所述的基于ETC收费数据的车辆驶入服务区判别方法，其特征在于，所述根据ETC数据的时空匹配数据，计算每辆车在服务区路段的平均行驶速度，包括：根据所述时空匹配数据得到车辆n驶入服务区路段的时间ta(n)和驶离服务区路段的时间tb(n)；

计算车辆n在服务区路段的平均行驶速度vf(n)：其中：dab为服务区路段的长度。

3.根据权利要求2所述的基于ETC收费数据的车辆驶入服务区判别方法，其特征在于，所述根据车辆的平均行驶速度构建混合高斯模型，并得到对数似然函数，包括：设定混合高斯模型由一个正态分布和截断正态分布组成，其概率函数为：其中：αk为第k个分布类别的概率， f(x；θk)为第k个概率密度函数；θk表示(μk,σk)；为第k个概率密度函数的均值；为第k个概率密度函数的标准差；m为类别数；

根据概率分布函数得到似然函数，似然函数f(x,z；θ)为：其中：

xi为第i个独立分布的观察数据；

zi1为隐变量，取值为0或1；

zi2为隐变量，取值为0或1；

nk表示n个观测数据中由第k个高斯分布模型生成的数据个数，且满足μ1为未驶入服务区概率分布函数的均值参数；

μ2为驶入服务区概率分布函数的均值参数；

为未驶入服务区概率分布函数的方差参数；

为驶入服务区概率分布函数的方差参数；

xl为截断正态分布的左边界取值，本文取0；

xr为截断正态分布的右边界取值，本文取140。

根据似然函数得到对数似然函数，其中对数似然函数log f(x,z；θ)为：其中：

nk表示n个观测数据中由第k个高斯分布模型生成的数据个数，且满足m为所求分布概率曲线的个数，本文取2；

xi为第i个独立分布的观察数据；

μ1为未驶入服务区概率分布函数的均值参数；

μ2为驶入服务区概率分布函数的均值参数；

为未驶入服务区概率分布函数的方差参数；

为驶入服务区概率分布函数的方差参数；

Φ(ur)为标准正态分布概率的分布函数小于xr的值；

Φ(ul)为标准正态分布概率的分布函数小于xl的值。

4.根据权利要求3所述的基于ETC收费数据的车辆驶入服务区判别方法，其特征在于，所述根据所述对数似然函数以及EM算法得到混合高斯模型的参数迭代式子，包括：i i

获取对数似然函数的期望Q(θ|x,θ)，Q(θ|x,θ)为：其中：

对所述对数似然函数的期望进行整理，得到：其中：

当k＝1时，为 当k＝2，为i

根据EM算法，使Q(θ|x,θ)达到极大值，即：i

根据式子Q(θ|x,θ)对参数 分别求偏导使得Q达到极大，得到参数迭代式子，所述参数迭代式子中各个参数的估计值为：其中：

mi＝hi+ti。

5.根据权利要求4所述的基于ETC收费数据的车辆驶入服务区判别方法，其特征在于，所述根据所述参数迭代式子分别求客车和货车平均速度的概率分布参数，包括：利用Kmeans算法对客车参数 进行初始化；

根据所述参数迭代式子，求解客车的概率分布参数 k＝0为不驶入服务区的概率分布参数，k＝1为驶入服务区的概率分布参数；

利用Kmeans算法对货车参数 进行初始化；

根据所述参数迭代式子，求解客车的概率分布参数 为不驶入服务区的概率分布参数，k＝1为驶入服务区的概率分布参数。

6.根据权利要求5所述的基于ETC收费数据的车辆驶入服务区判别方法，其特征在于，所述根据所述客车和货车平均速度的概率分布参数，求解速度阈值目标函数，包括：建立客车速度阈值目标函数为：ke ke

min E(a)＝α×(1‑F1 (a))+β×F2 (a)其中：α和β为权系数，

ke

为f1 (x)小于a的分布函数值；

ke

为f2 (x)小于a的分布函数值；

ke

f1 (x)是以 为参数的截断正态概率分布函数；

ke

f2 (x)为以 为参数的正态概率分布函数；

α、β为权系数，因为车辆驶入服务区与不驶入服务区的比列不一样，所以需要进行加权，并且α+β＝1；本文用前文概率分布函数系数代替，α，β。

建立货车速度阈值目标函数为：huo huo

min E(a)＝α×(1‑F1 (a))+β×F2 (a)huo

f1 (x)是以 为参数的截断正态概率分布函数；

huo

f2 (x)为以 为参数的正态概率分布函数。

7.根据权利要求6所述的基于ETC收费数据的车辆驶入服务区判别方法，其特征在于，所述模拟退火算法求解所述速度阈值目标函数，得到划分客车与货车驶入服务区的判别标准，包括：

设定模拟退火算法的参数；

使用模拟退火算法对客车速度阈值目标函数进行求解，得到最优的客车速度阈值ake，即客车驶入服务区的判定标准为客车平均行驶速度是否小于ake；

使用模拟退火算法对货车速度阈值目标函数进行求解，得到最优的货车速度阈值ahuo，即货车驶入服务区的判定标准为货车平均行驶速度是否小于ahuo。

8.一种基于ETC收费数据的车辆驶入服务区判别装置，其特征在于，该装置包括：数据匹配模块，用于对高速公路ETC数据进行时空匹配，得到时空匹配数据；

速度计算模块，用于根据ETC数据的时空匹配数据，计算每辆车在服务区路段的平均行驶速度；

模型构建模块，用于根据车辆的平均行驶速度构建混合高斯模型，并得到对数似然函数；

迭代式子计算模块，用于根据所述对数似然函数以及EM算法得到混合高斯模型的参数迭代式子；

概率分布参数计算模块，用于根据所述参数迭代式子分别求客车和货车平均速度的概率分布参数；

函数建立模块，用于根据所述客车和货车平均速度的概率分布参数，求解速度阈值目标函数，包括：客车速度阈值目标函数和货车速度阈值目标函数；

目标函数求解模块，用于利用模拟退火算法求解所述速度阈值目标函数，得到客车与货车驶入服务区的判别标准。