CN108009271A - 同车倒卡逃费车辆的筛查方法及装置 - Google Patents
同车倒卡逃费车辆的筛查方法及装置 Download PDFInfo
- Publication number
- CN108009271A CN108009271A CN201711365176.7A CN201711365176A CN108009271A CN 108009271 A CN108009271 A CN 108009271A CN 201711365176 A CN201711365176 A CN 201711365176A CN 108009271 A CN108009271 A CN 108009271A
- Authority
- CN
- China
- Prior art keywords
- transaction record
- history
- vehicle
- outlet
- fee evasion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/219—Managing data history or versioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明公开了一种同车倒卡逃费车辆的筛查方法及装置,该方法包括:根据历史数据表确定待筛查车辆,针对每个待筛查车辆执行:从历史数据表中获取当前待筛查车辆的历史入口交易记录和历史出口交易记录;确定历史入口交易记录与历史出口交易记录是否存在时间重叠;若确定历史入口交易记录与历史出口交易记录存在时间重叠,则根据历史入口交易记录与历史出口交易记录确定当前待筛查车辆的逃费金额;若逃费金额大于零,则确定当前待筛查车辆为同车倒卡逃费车辆。该方案可以大大提升筛查效率,大大提升筛查的准确性。
Description
技术领域
本发明涉及计算机技术领域,尤指一种同车倒卡逃费车辆的筛查方法及装置。
背景技术
目前,车辆在高速公路上行驶时,通常根据通行卡进行计费,这就可能导致同车倒卡的发生。同车倒卡是同一辆车利用之前领取未还的通行卡实现逃费,逃费原理是车辆第一次领取通行卡进入高速公路后,通过闯杆、走不用交还通行卡的免费路段或谎称通行卡丢失等非法手段不交还第一次领取的通行卡而直接离开高速公路,然后再第二次领取通行卡同时携带第一次领取的通行卡进入高速公路,离开时使用第一次领取的通行卡缴费,以缩短计费里程,达到减少缴费数额的目的。
现有的同车倒卡逃费车辆的筛查方法主要通过人工筛查的方式:车辆利用之前领取未还的通行卡缴费时,会造成超时的现象,收费时系统会自动弹出超时选项,让收费员进行选择,收费员对入口时间和出口时间进行比对,并上报监控管理员进行核实,最终确认是否为同车倒卡逃费车辆。
上述方法中主要采用人工筛查方式,针对每一个超时车辆,都要进行比对以及监控管理员核实,筛查效率非常低,甚至会影响正常的收费秩序;并且,容易造成遗漏,筛查准确性也非常低。
发明内容
本发明实施例提供一种同车倒卡逃费车辆的筛查方法及装置,用以解决现有技术中存在的筛查效率和筛查准确性都非常低的问题。
根据本发明实施例,提供一种同车倒卡逃费车辆的筛查方法,包括:
根据历史数据表确定待筛查车辆,针对每个待筛查车辆执行:
从所述历史数据表中获取当前待筛查车辆的历史入口交易记录和历史出口交易记录;
确定所述历史入口交易记录与所述历史出口交易记录是否存在时间重叠;
若确定所述历史入口交易记录与所述历史出口交易记录存在时间重叠,则根据所述历史入口交易记录与所述历史出口交易记录确定所述当前待筛查车辆的逃费金额;
若所述逃费金额大于零,则确定所述当前待筛查车辆为同车倒卡逃费车辆。
具体的,根据历史数据表确定待筛查车辆及其使用的通行卡,具体包括:
获取历史记录表;
查找所述历史记录表中记录的车辆信息;
将查找到的车辆信息对应的车辆确定为待筛查车辆。
具体的,确定所述历史入口交易记录与所述历史出口交易记录是否存在时间重叠,具体包括:
确定所述历史入口交易记录中包括的第一入口时间是否位于所述历史出口交易记录包括的第二入口时间和第一出口时间之间;
若确定所述第一入口时间位于所述第二入口时间和所述第一出口时间之间,则确定所述历史入口交易记录与所述历史出口交易记录存在时间重叠。
具体的,根据所述历史入口交易记录与所述历史出口交易记录确定所述当前待筛查车辆的逃费金额,具体包括:
计算从所述历史入口交易记录包括的入口坐标到所述历史出口交易记录包括的出口坐标的应付金额;
获取所述历史出口交易记录包括的实付金额;
计算所述应付金额与所述实付金额之间的差值,得到所述当前待筛查车辆的逃费金额。
可选的,还包括:
根据确定的同车倒卡逃费车辆以及所述历史记录表生成同车逃费车辆信息表。
根据本发明实施例,还提供一种同车倒卡逃费车辆的筛查装置,包括:
第一确定模块,用于根据历史数据表确定待筛查车辆及其使用的通行卡;
获取模块,用于从所述历史数据表中获取当前待筛查车辆的历史入口交易记录和历史出口交易记录;
第二确定模块,用于确定所述历史入口交易记录与所述历史出口交易记录是否存在时间重叠;
第三确定模块,用于若确定所述历史入口交易记录与所述历史出口交易记录存在时间重叠,则根据所述历史入口交易记录与所述历史出口交易记录确定所述当前待筛查车辆的逃费金额;
第四确定模块,用于若所述逃费金额大于零,则确定所述当前待筛查车辆为同车倒卡逃费车辆。
具体的,所述第一确定模块,具体用于:
获取历史记录表;
查找所述历史记录表中记录的车辆信息;
将查找到的车辆信息对应的车辆确定为待筛查车辆。
具体的,所述第二确定模块,具体用于:
确定所述历史入口交易记录中包括的第一入口时间是否位于所述历史出口交易记录包括的第二入口时间和第一出口时间之间;
若确定所述第一入口时间位于所述第二入口时间和所述第一出口时间之间,则确定所述历史入口交易记录与所述历史出口交易记录存在时间重叠。
具体的,所述第三确定模块,具体用于:
计算从所述历史入口交易记录包括的入口坐标到所述历史出口交易记录包括的出口坐标的应付金额;
获取所述历史出口交易记录包括的实付金额;
计算所述应付金额与所述实付金额之间的差值,得到所述当前待筛查车辆的逃费金额。
可选的,还包括生成模块,用于:
根据确定的同车倒卡逃费车辆以及所述历史记录表生成同车逃费车辆信息表。
本发明有益效果如下:
本发明实施例提供一种同车倒卡逃费车辆的筛查方法及装置,通过根据历史数据表确定待筛查车辆,针对每个待筛查车辆执行:从所述历史数据表中获取当前待筛查车辆的历史入口交易记录和历史出口交易记录;确定所述历史入口交易记录与所述历史出口交易记录是否存在时间重叠;若确定所述历史入口交易记录与所述历史出口交易记录存在时间重叠,则根据所述历史入口交易记录与所述历史出口交易记录确定所述当前待筛查车辆的逃费金额;若所述逃费金额大于零,则确定所述当前待筛查车辆为同车倒卡逃费车辆。该方案中,利用大数据的数据挖掘技术可以根据历史数据表逐步确定出同车倒卡逃费车辆,相比人工筛查的方式,大大提升筛查效率,能够保证正常的收费秩序;并且,能够精确、快速确定出同车倒卡逃费车辆,大大提升筛查的准确性。
附图说明
图1为本发明实施例中一种同车倒卡逃费车辆的筛查方法的流程图;
图2为本发明实施例中一种同车倒卡逃费车辆的筛查装置的结构示意图。
具体实施方式
针对现有技术中存在的筛查效率和筛选查准确性都非常低的问题,本发明实施例提供一种同车倒卡逃费车辆的筛查方法,该方法的流程如图1所示,执行步骤如下:
S11:根据历史数据表确定待筛查车辆。
进出高速公路的车辆的交易信息都会记录在历史数据表中,因此,可以根据历史数据表确定待筛查车辆,可以将历史数据表中包括的所有车辆都确定为待筛查车辆,也可以根据实际需求将其中的一部分车辆确定为待筛查车辆。
针对每个待筛查车辆执行S12:从历史数据表中获取当前待筛查车辆的历史入口交易记录和历史出口交易记录。
历史数据表中记录了高速公路行车过的每个车辆的历史入口交易记录和历史出口交易记录,因此,可以从历史数据表中获取当前待筛查车辆的历史入口交易记录和历史出口交易记录。
S13:确定历史入口交易记录与历史出口交易记录是否存在时间重叠。
历史入口交易记录的是待筛查车辆进入高速公路的相关信息,而历史出口交易记录则会记录待筛查车辆进入以及离开高速公路的相关信息,因此,可以确定历史入口交易记录以及历史出口交易记录确定是否存在时间重叠。
S14:若确定历史入口交易记录与历史出口交易记录存在时间重叠,则根据历史入口交易记录与历史出口交易记录确定当前待筛查车辆的逃费金额。
若确定历史入口交易记录与历史出口交易记录存在时间重叠,则说明当前待筛查车辆第一次使用的通行卡没有归还,并且再次重新领取第二张卡使用其进入高速公路并携带第一次使用的通行卡,使用第一次领取的通行卡离开高速公路,因此,需要根据历史入口交易记录与历史出口交易记录确定当前待筛查车辆的逃费金额;若确定历史入口交易记录与历史出口交易记录未存在时间重叠,则说明待筛查车辆使用的通行卡正常归还,则可以确定待筛查车辆不是同车倒卡逃费车辆。
S15:若逃费金额大于零,则确定当前待筛查车辆为同车倒卡逃费车辆。
若逃费金额等于零,说明待筛查车辆不是同车倒卡逃费车辆。
该方案中,利用大数据的数据挖掘技术可以根据历史数据表逐步确定出同车倒卡逃费车辆,相比人工筛查的方式,大大提升筛查效率,能够保证正常的收费秩序;并且,能够精确、快速确定出同车倒卡逃费车辆,大大提升筛查的准确性。
具体的,S11中根据历史数据表确定待筛查车辆及其使用的通行卡,具体包括:获取历史记录表;查找历史记录表中记录的车辆信息;将查找到的车辆信息对应的车辆确定为待筛查车辆。
由于高速公路上行驶的车辆非常多,记录的数据量非常大,因此,目前的历史数据表可以进行存储于Hive中。Hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能,可以将sql语句转换为MapReduce任务进行运行。Spark SQL与传统关系型数据库相比,Hive在处理超大数据方面具有容量和速度优势。因此本发明提供的算法是在大数据Hadoop环境下,通过Spark SQL语句来确定待筛查车辆及其使用的通行卡。
具体的,S13确定历史入口交易记录与历史出口交易记录是否存在时间重叠,具体包括:确定历史入口交易记录中包括的第一入口时间是否位于历史出口交易记录包括的第二入口时间和第一出口时间之间;若确定第一入口时间位于第二入口时间和第一出口时间之间,则确定历史入口交易记录与历史出口交易记录存在时间重叠。
由于历史入口交易记录记录的是待筛查车辆进入高速公路的相关信息,而历史出口交易记录则会记录待筛查车辆进入以及离开高速公路的相关信息,因此可以将历史入口交易记录中的入口时间定义为第一入口时间,将历史出口交易记录中的入口时间定义为第二入口时间,将历史出口交易记录中的出口时间定义为第一出口时间,若确定第一入口时间位于第二入口时间和第一出口时间之间,则确定历史入口交易记录与历史出口交易记录存在时间重叠。
继续沿用上例,假设:同一辆车在6:00点进入高速但没有离开高速的历史入口交易记录。而数据库中存在一条正常的4:00入9:00出的历史出口交易记录,这就是时间重叠的矛盾现象。也就是同一辆车,在相同的时间(6:00)两次出现在高速公路上。出现这种情况,其有入无出的时间点(6:00)应为本次同行的实际进入点。而正常交易记录中记录的进入时间点(4:00),应为上一次进入高速,但没有交还通行卡的进入点。上一次通行的真实离开高速的时间点应该在有入无出的时间点(6:00)之前。
其中,在历史出口出口交易记录中,记录了每一张通行卡的交易信息,具体形式可以但不限于如表1所示:
表1
在历史入口交易记录中,记录了每一张通行卡的入口交易信息,具体形式可以但不限于如表2所示:
表2
基于此,在Hive中执行的sql语句如下:
truncate table antifraud.l04_entry_tran_jga;--清空数据表
insert into antifraud.l04_entry_tran_jga
select a.*,b.mid as exit_mid from oaa.l04_entry_tran_jga as a innerjoin oaa.l05_exit_tran_jga as b
on
a.DataSource=0--人工交易
and a.CarLicense=b.ENT_CarLicense––入口交易表车牌与出口交易表入口车牌一致
and b.CarLicense=a.CarLicense––入口交易表车牌与出口交易表出口车牌一致
where a.transoccurtime>b.ent_occurtime––入口交易表进入高速时间大于出口交易表进入高速时间
and length(a.carlicense)>5–车牌正常的记录
and a.transoccurtime<b.TransOccurTime;––入口交易表进入高速时间小于出口交易表离开高速时间。
其中,对于正常完整的交易记录,历史入口交易记录与历史出口交易记录记录应该是一一对应,即:
truncate table antifraud.l04_entry_tran_jga_exitMid;
insert into antifraud.l04_entry_tran_jga_exitMid
select a.*,b.mid as exitMid from antifraud.l04_entry_tran_jga as a
left join oaa.l05_exit_tran_jga as b
on a.carlicense=b.ent_carlicense––入口交易表车牌与出口交易表入口车牌一致
and a.transoccurtime=b.ent_occurtime––入口交易表交易时间等于出口交易表入口交易时间
and a.plaza_id=b.ent_plazaid––入口交易表广场号等于出口交易表入口广场号
and a.lane_id=b.ent_laneno––入口交易表车道号等于出口交易表入口车道号。
具体的,S14根据历史入口交易记录与历史出口交易记录确定当前待筛查车辆的逃费金额,具体包括:计算从历史入口交易记录包括的入口坐标到历史出口交易记录包括的出口坐标的应付金额;获取历史出口交易记录包括的实付金额;计算应付金额与实付金额之间的差值,得到当前待筛查车辆的逃费金额。
对于存在时间重叠的情况,有可能是同车倒卡,也有可能是套牌车。有入无出的记录是同车倒卡,而有入有出的记录是套牌车。其中,有入无出是指,入口交易表有进入高速的记录,而出口交易表中没有与之匹配的出口交易记录,因此,还需要进一步计算逃费金额,根据逃费金额确定同卡倒车逃费车辆,在Hive中执行的sql语句如下:
insert overwrite table antifraud.jkb_tcdk
SELECT
(a.mid+c.mid)as id
,a.mid as onemid
,a.ENT_CarLicense as oneENT_CarLicense
,a.CarLicense as oneCarLicense
,d.sum_fee_fact*100as oneFeeFare
,a.ENT_PlazaID as oneENT_PlazaID
,a.ENT_LaneNo as oneENT_LaneNo
,a.ENT_VehType as oneENT_VehType
,a.Plaza_ID as onePlaza_ID
,a.Lane_ID as oneLane_ID
,a.VehType as oneVehType
,a.FeeFare as oneReal_fare
,c.mid as twomid
,c.carLicense twoENT_CarLicense
,”as TwoCarLicense
,0as twoFeeFare
,c.plaza_id as twoENT_PlazaID
,c.lane_id as twoENT_LaneNo
,c.vehType as twoENT_VehType
,0as twoPlaza_ID
,0as twoLane_ID
,0as twoVehType
,0as twoReal_fare
FROM antifraud.l04_entry_tran_jga_exitmid as c
left join
oaa.L05_EXIT_TRAN_jga as a on c.exit_mid=a.mid
left join antifraud.a33_fee as d
on d.enplaza=c.plaza_id
and d.explaza=a.Plaza_ID
and d.trans_vehicletype=c.vehtype
where exitmid is null。
对于逃费金额为零的情况是套牌车,不是同车倒卡,因此可以排除这部分车辆,执行的sql语句为:
insert overwrite table antifraud.jkb_tcdk
SELECT*
FROM antifraud.jkb_tcdk
where oneENT_LaneNo is not null
and oneReal_fare is not null
and oneReal_fare>0。
可选的,上述方法中的S15之后还包括:根据确定的同车倒卡逃费车辆以及历史记录表生成同车逃费车辆信息表。
将同车倒卡逃费车辆信息导出到mysql关系型数据库,作为逃费证据信息保存,便于进一步的对同车倒卡逃费车辆进行分类稽查和追逃管理。导出代码如下:
export--connect "jdbc:mysql://193.168.30.216/antifraud?useUnicode=true&characterEncoding=utf- 8"--username root--password hadoop--table jkb_tcdk--columns "id,onemid,oneent_carlicense,onecarlicense,onefeefare,oneent_plazaid,oneent_lane no,oneent_vehtype,oneplaza_id,onelane_id,onevehtype,onereal_fare,twomid,twoent _carlicense,twocarlicense,twofeefare,twoent_plazaid,twoent_laneno,twoent_vehtyp e,twoplaza_id,twolane_id,twovehtype,tworeal_fare"--export-dir hdfs://master:8020/user/hive/warehouse/antifraud.db/jkb_tcdk
--input-fields-terminated-by"\001"-m 1。
基于同一发明构思,本发明实施例提供一种同车倒卡逃费车辆的筛查装置,该装置的结构如图2所示,包括:
第一确定模块21,用于根据历史数据表确定待筛查车辆;
获取模块22,用于从历史数据表中获取当前待筛查车辆的历史入口交易记录和历史出口交易记录;
第二确定模块23,用于确定历史入口交易记录与历史出口交易记录是否存在时间重叠;
第三确定模块24,用于若确定历史入口交易记录与历史出口交易记录存在时间重叠,则根据历史入口交易记录与历史出口交易记录确定当前待筛查车辆的逃费金额;
第四确定模块25,用于若逃费金额大于零,则确定当前待筛查车辆为同车倒卡逃费车辆。
该方案中,利用大数据的数据挖掘技术可以根据历史数据表逐步确定出同车倒卡逃费车辆,相比人工筛查的方式,大大提升筛查效率,能够保证正常的收费秩序;并且,能够精确、快速确定出同车倒卡逃费车辆,大大提升筛查的准确性。
具体的,第一确定模块21,具体用于:
获取历史记录表;
查找历史记录表中记录的车辆信息;
将查找到的车辆信息对应的车辆确定为待筛查车辆。
具体的,第二确定模块23,具体用于:
确定历史入口交易记录中包括的第一入口时间是否位于历史出口交易记录包括的第二入口时间和第一出口时间之间;
若确定第一入口时间位于第二入口时间和第一出口时间之间,则确定历史入口交易记录与历史出口交易记录存在时间重叠。
具体的,第三确定模块24,具体用于:
计算从历史入口交易记录包括的入口坐标到历史出口交易记录包括的出口坐标的应付金额;
获取历史出口交易记录包括的实付金额;
计算应付金额与实付金额之间的差值,得到当前待筛查车辆的逃费金额。
可选的,还包括生成模块,用于:
根据确定的同车倒卡逃费车辆以及历史记录表生成同车逃费车辆信息表。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的可选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括可选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种同车倒卡逃费车辆的筛查方法,其特征在于,包括:
根据历史数据表确定待筛查车辆,针对每个待筛查车辆执行:
从所述历史数据表中获取当前待筛查车辆的历史入口交易记录和历史出口交易记录;
确定所述历史入口交易记录与所述历史出口交易记录是否存在时间重叠;
若确定所述历史入口交易记录与所述历史出口交易记录存在时间重叠,则根据所述历史入口交易记录与所述历史出口交易记录确定所述当前待筛查车辆的逃费金额;
若所述逃费金额大于零,则确定所述当前待筛查车辆为同车倒卡逃费车辆。
2.如权利要求1所述的方法,其特征在于,根据历史数据表确定待筛查车辆及其使用的通行卡,具体包括:
获取历史记录表;
查找所述历史记录表中记录的车辆信息;
将查找到的车辆信息对应的车辆确定为待筛查车辆。
3.如权利要求1所述的方法,其特征在于,确定所述历史入口交易记录与所述历史出口交易记录是否存在时间重叠,具体包括:
确定所述历史入口交易记录中包括的第一入口时间是否位于所述历史出口交易记录包括的第二入口时间和第一出口时间之间;
若确定所述第一入口时间位于所述第二入口时间和所述第一出口时间之间,则确定所述历史入口交易记录与所述历史出口交易记录存在时间重叠。
4.如权利要求1所述的方法,其特征在于,根据所述历史入口交易记录与所述历史出口交易记录确定所述当前待筛查车辆的逃费金额,具体包括:
计算从所述历史入口交易记录包括的入口坐标到所述历史出口交易记录包括的出口坐标的应付金额;
获取所述历史出口交易记录包括的实付金额;
计算所述应付金额与所述实付金额之间的差值,得到所述当前待筛查车辆的逃费金额。
5.如权利要求1-4任一所述的方法,其特征在于,还包括:
根据确定的同车倒卡逃费车辆以及所述历史记录表生成同车逃费车辆信息表。
6.一种同车倒卡逃费车辆的筛查装置,其特征在于,包括:
第一确定模块,用于根据历史数据表确定待筛查车辆;
获取模块,用于从所述历史数据表中获取当前待筛查车辆的历史入口交易记录和历史出口交易记录;
第二确定模块,用于确定所述历史入口交易记录与所述历史出口交易记录是否存在时间重叠;
第三确定模块,用于若确定所述历史入口交易记录与所述历史出口交易记录存在时间重叠,则根据所述历史入口交易记录与所述历史出口交易记录确定所述当前待筛查车辆的逃费金额;
第四确定模块,用于若所述逃费金额大于零,则确定所述当前待筛查车辆为同车倒卡逃费车辆。
7.如权利要求6所述的装置,其特征在于,所述第一确定模块,具体用于:
获取历史记录表;
查找所述历史记录表中记录的车辆信息;
将查找到的车辆信息对应的车辆确定为待筛查车辆。
8.如权利要求6所述的装置,其特征在于,所述第二确定模块,具体用于:
确定所述历史入口交易记录中包括的第一入口时间是否位于所述历史出口交易记录包括的第二入口时间和第一出口时间之间;
若确定所述第一入口时间位于所述第二入口时间和所述第一出口时间之间,则确定所述历史入口交易记录与所述历史出口交易记录存在时间重叠。
9.如权利要求6所述的装置,其特征在于,所述第三确定模块,具体用于:
计算从所述历史入口交易记录包括的入口坐标到所述历史出口交易记录包括的出口坐标的应付金额;
获取所述历史出口交易记录包括的实付金额;
计算所述应付金额与所述实付金额之间的差值,得到所述当前待筛查车辆的逃费金额。
10.如权利要求6-9任一所述的装置,其特征在于,还包括生成模块,用于:
根据确定的同车倒卡逃费车辆以及所述历史记录表生成同车逃费车辆信息表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711365176.7A CN108009271A (zh) | 2017-12-18 | 2017-12-18 | 同车倒卡逃费车辆的筛查方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711365176.7A CN108009271A (zh) | 2017-12-18 | 2017-12-18 | 同车倒卡逃费车辆的筛查方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108009271A true CN108009271A (zh) | 2018-05-08 |
Family
ID=62059599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711365176.7A Withdrawn CN108009271A (zh) | 2017-12-18 | 2017-12-18 | 同车倒卡逃费车辆的筛查方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108009271A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950928A (zh) * | 2020-12-30 | 2021-06-11 | 北京中科神探科技有限公司 | 一种用于高速公路倒卡逃费行为的数据分析方法 |
CN115618072A (zh) * | 2022-09-29 | 2023-01-17 | 广州天长信息技术有限公司 | 一种车辆数据查询方法、装置及设备 |
-
2017
- 2017-12-18 CN CN201711365176.7A patent/CN108009271A/zh not_active Withdrawn
Non-Patent Citations (1)
Title |
---|
吕增辉: "基于时间重叠分析法的同车倒卡逃费探析", 《中国交通信息化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950928A (zh) * | 2020-12-30 | 2021-06-11 | 北京中科神探科技有限公司 | 一种用于高速公路倒卡逃费行为的数据分析方法 |
CN115618072A (zh) * | 2022-09-29 | 2023-01-17 | 广州天长信息技术有限公司 | 一种车辆数据查询方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11157913B2 (en) | Systems and methods for improved detection of network fraud events | |
US11151569B2 (en) | Systems and methods for improved detection of network fraud events | |
US11741474B2 (en) | Systems and methods for early detection of network fraud events | |
US9779400B2 (en) | Biometric matching system using input biometric sample | |
CN103970851B (zh) | 海量凭证数据直接出具大型企业集团总部财务报表的方法 | |
CN106780001A (zh) | 一种发票虚开企业监控识别方法及系统 | |
CN108090829A (zh) | 一种数据管理方法、数据管理装置及电子设备 | |
CN110895758B (zh) | 存在作弊交易的信用卡账户的筛选方法、装置及系统 | |
CN103150672A (zh) | 一种银行快速授信系统及方法 | |
Potter et al. | Error detection and classification in patient‐specific IMRT QA with dual neural networks | |
CN108510396A (zh) | 投保校验的方法、装置、计算机设备及存储介质 | |
CN110060139A (zh) | 账务处理方法及装置 | |
CN109801175A (zh) | 一种医保诈骗行为检测方法和装置 | |
CN108009271A (zh) | 同车倒卡逃费车辆的筛查方法及装置 | |
CN108021361A (zh) | 一种高速公路倒卡逃费车辆筛查方法及装置 | |
CN109242165A (zh) | 一种模型训练及基于模型训练的预测方法及装置 | |
CN110287114B (zh) | 一种数据库脚本性能测试的方法及装置 | |
CN110472409A (zh) | 一种基于白名单机制的进程管理方法及系统 | |
CN110288038A (zh) | 一种企业的分类方法及装置 | |
CN114022264A (zh) | 生成凭证的方法、装置、设备及存储介质 | |
CN110008986A (zh) | 批量风险案件识别方法、装置及电子设备 | |
CN109472680A (zh) | 一种账务处理方法及系统 | |
CN105868783A (zh) | 一种基于信息熵的约简型支持向量数据描述方法 | |
CN107705414A (zh) | 一种纸币的识别方法、装置、终端设备和存储介质 | |
CN108595669A (zh) | 一种无序分类变量处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180508 |
|
WW01 | Invention patent application withdrawn after publication |