基于高速公路货车收费数据库的全息样本遴选

马 暕， 黄秋实

(长安大学 经济与管理学院，西安 710064)

一、引言

在统计学范畴，很多时候研究者无法选择所有数据进行调查，一般采用从整体中抽取样本进行调研。抽样即为了得到总体的某些特征及分布信息，按照一定规则，从总体中抽取若干个体进行观察实验的方法，抽取的个体即样本。定理表明，当样本容量足够大时，样本分布函数依概率收敛于总体分布函数，这是用样本推断总体的理论依据。在目前的高速公路流量分析研究中，虽然大数据技术已不断完善，但考虑到处理海量数据的冗繁性，大而全的数据并不一定比合理的样本数据对流量分析研究更加方便，反而会在一定程度上造成人力、物力的浪费，这一点在下文处理国内某省全年的高速公路收费流水数据库时就有所体现，因此抽样仍是一种必不可少的研究手段。在目前的主流抽样方式中，对样本的选择有一套传统的方法，但这些选择方法在实际高速公路流量分析中适用性不强，也很少有研究者能够严格按照要求进行，样本选择存在一定的随机性，导致分析结果存在一定程度的偶然性。针对此情况，从大数据角度出发，运用大数据的处理方法，压缩全年数据，尽可能将完整的数据库压缩到一个可接受的最小样本范围，如果这个样本能够完整反映数据库中的全部有用特征，压缩后的样本可认为是理想中的全息样本。寻找到这个全息样本，就可以在以后的高速公路流量分析中达到便于处理且真实反映全体特征的目的，有效节约人力、物力。……