CN112581642B

CN112581642B - 一种基于高速公路门架计费数据的偷逃费车辆稽查方法

Info

Publication number: CN112581642B
Application number: CN202011389616.4A
Authority: CN
Inventors: 李嘉; 黎熙; 张珂溢; 潘涛; 苏骁; 郭书恒; 熊超
Original assignee: Sichuan Tietong Information Technology Industry Investment Co ltd
Current assignee: Sichuan Tietong Information Technology Industry Investment Co ltd
Priority date: 2020-12-02
Filing date: 2020-12-02
Publication date: 2022-03-25
Anticipated expiration: 2040-12-02
Also published as: CN112581642A

Abstract

本发明公开了一种基于高速公路门架计费数据的偷逃费车辆稽查方法，具体包括如下步骤：S1：构建数据仓库，整合集成门架及出入口收费数据；S2：建立车辆偷逃费分析模型库；S3：业务数据导入模型分析、挖掘；S4：输出黑白名单数据；S5：数据进入高速公路各级运营单位；S6：黑名单车辆拦截。本发明的有益效果：通过数据分析挖掘技术，建立进、出高速路网的车辆信息库，行为轨迹库，对高速车辆偷逃费行为特征模型进行识别提取，发现现有收费规则、管理制度、车辆行驶行为与偷逃费现象的关系，指导促进收费营运管理的改进；提高了高速公路各级运营单位加强偷费车辆治理工作力度和效率，减少高速公路收费金额流失，维护高速公路正常收费次序。

Description

一种基于高速公路门架计费数据的偷逃费车辆稽查方法

技术领域

本发明涉及偷逃费车辆稽查方法，具体的，涉及一种基于高速公路门架计费数据的偷逃费车辆稽查方法。

背景技术

自2020年1月1日全国高速公路正式撤销省界站，形成全国“一张网”的格局，由于全国高速公路路网整体联通，通行费额单量和总量也随之显著增高，导致高速公路车辆、人员违规违纪的概率显著增大，特别是团伙化，组织化的偷逃费行为给高速公路运营管理和建设投资方造成巨大的损失，也给高速公路收费车辆稽查工作带来了前所未有的挑战。

目前收费车辆偷逃费稽查工作主要依靠人工巡查实施方式，缺乏科学有效的思路方法，目的不强、效率低下，很难遏制住当前车辆偷逃费快速增长的趋势。如何通过有效的技术手段打击高速公路偷逃费行为，维护高速收费管理工作正常有序的进行，一直是行业高度关注的问题。

发明内容

本发明的目的在于，针对上述问题，提出一种基于高速公路门架计费数据的偷逃费车辆稽查方法。

一种基于高速公路门架计费数据的偷逃费车辆稽查方法，包括如下步骤：

S1：构建数据仓库，整合集成门架及出入口收费数据；

S2：建立车辆偷逃费分析模型库，具体包括如下步骤：

S21：选定特征量作为需稽查审核的特征参数；

S22：根据选定的特征参数，设置异常行为特征量推导公式；

S23：通过贝叶斯算法带入先验概率，对偷逃费特征进行样本训练；

S24：人工筛选建立偷逃费类型与各特征向量组合的绑定关系；

S25：输出偷逃费模式识别模型；

S3：业务数据导入模型分析、挖掘；

S4：输出黑白名单数据；

S5：数据进入高速公路各级运营单位；

S6：黑名单车辆拦截。

优选的，所述步骤S21中的特征参数包括：入口收费站Se、出口收费站Sx、门架收费单元M、入口车辆信息Ve、出口车辆信息Vx、门架计费牌识车辆信息Vm、入口时间Te、出口时间Tx、出口收免信息Vkx、入口车牌Pe、出口车牌Px、门架车牌信息Pm、入口交易介质信息Ce、出口交易介质信息Cx、门架交易介质Cm、车辆载重Wx、车辆出口扣费轨迹Tr＿ex、基于车辆门架通行可拟合轨迹Tr＿m、行驶区间里程 Se→Sx和行驶区间最近20天同一时段平均行驶时间：Tavg=∑每辆车在该路段行驶时间/车辆数，得出的平均行驶时间即为该区间当前的行驶时间。

优选的，所述步骤S22中，异常行为特征量包括：

出入车牌与门架信息验证推导公式：F1=Diff(,,)；==时，F1=0，否则为1；

出入交易介质与门架采集信息验证推导公式：F2= Diff(,，)；==,F2=0，否则为1；

出入车辆信息与门架计费识车辆信息验证推导公式：F3= Diff(,,)；==时,F3=0，否则为1；

行驶时间验证推导公式：F4=Comp(*/(-)，（/）)； 3时，*/(-)>（/），F4=0，否则为1；

车辆收免变化验证推导公式：F5= Diff(,)，为上次收免类型，=时，F5=0，否则为1;

车辆载重变化验证推导公式：F6 = Diff（），为上次车辆载重， 5%时，F6=0，否则为1;

出入高速时间频度：F7 = Fr（）,为上次驶出高速时间，若 1小时,F7=0，否则为1；

车辆连续入口验证推导公式：F8 = ((-),(-))，为下次入口时间，若(-) (-),F8=0，否则为1；

车辆收费轨迹与门架拟合轨迹验证推导公式：F9= Diff(，)，若=，F9=0，否则为1。

优选的，所述步骤S23中的样本训练公式为：

其中：为偷逃费车辆异常事件的分类，为前期归纳的特征量，左边等式为带分类样本中出现特征的概率；等式右边是根据训练数据等到分类中同时出现特征组合概率。

优选的，所述步骤S24中的绑定关系包括：

同一辆车连续入口：F8=1；出口超时：F4=1；出入口、门架车牌不一致：F1=1、出口CPC卡丢失：F2=1；疑似倒卡：F2=1,F4=1,F1=1,F3=1,F9=1；疑似伪卡逃费：F1=1,F2=1,F3=1,F9=1；有入口无出口：F8=1；假冒绿通减免车辆：F5=1,F6=1,F7=1。

本发明的有益效果：通过数据分析挖掘技术，建立进、出高速路网的车辆信息库，行为轨迹库，对高速车辆偷逃费行为特征模型进行识别提取，发现现有收费规则、管理制度、车辆行驶行为与偷逃费现象的关系，指导促进收费营运管理的改进；提高了高速公路各级运营单位加强偷费车辆治理工作力度和效率，减少高速公路收费金额流失，维护高速公路正常收费次序。

附图说明

图1为本发明的流程步骤。

具体实施方式

下面结合附图对本发明进行进一步的说明。

如图1所示，一种基于高速公路门架计费数据的偷逃费车辆稽查方法，包括如下步骤：

S1：构建数据仓库，整合集成门架及出入口收费数据；

S2：建立车辆偷逃费分析模型库，具体包括如下步骤：

S21：选定特征量作为需稽查审核的特征参数；

S22：根据选定的特征参数，设置异常行为特征量推导公式；

S25：输出偷逃费模型；

S3：业务数据导入模型分析、挖掘；

S4：输出黑白名单数据；

S5：数据进入高速公路各级运营单位；

S6：黑名单车辆拦截。

需要说明的是，所属步骤S1的数据仓库包括高速公路偷逃费车辆稽查数据仓库、规划基础数据库、业务数据库、分析数据库；预先将出入口收费站、门架经纬坐标、路径参数数据和费率参数数据录入基础数据库中；同时实时采集、提取高速公路收费系统门架车牌识别数据、ETC及CPC卡计费数据和出入口收费数据。

需要理解的是，所述步骤S21中的特征参数包括：入口收费站Se、出口收费站Sx、门架收费单元M、入口车辆信息Ve、出口车辆信息Vx、门架计费牌识车辆信息Vm、入口时间Te、出口时间Tx、出口收免信息Vkx、入口车牌Pe、出口车牌Px、门架车牌信息Pm、入口交易介质信息Ce、出口交易介质信息Cx、门架交易介质Cm、车辆载重Wx、车辆出口扣费轨迹Tr＿ex、基于车辆门架通行可拟合轨迹Tr＿m、行驶区间里程 Se→Sx和行驶区间最近20天同一时段平均行驶时间：Tavg=∑每辆车在该路段行驶时间/车辆数，得出的平均行驶时间即为该区间当前的行驶时间。

需要说明的是，所述步骤S22中，异常行为特征量包括：

需要理解的是，所述步骤S23中的样本训练公式为：

其中为偷逃费车辆异常事件的分类（如倒卡、换卡等），为前期归纳的特征量，左边等式为带分类样本中出现特征的概率。等式右边是根据训练数据等到分类中同时出现特征组合概率。

需要理解的是，所述步骤S24中的绑定关系包括：

同一辆车片连续入口：F8=1、出口超时：F4=1；出入口、门架车牌不一致：F1=1、出口CPC卡丢失：F2=1、疑似倒卡：F2=1,F4=1,F1=1,F3=1,F9=1、疑似伪卡逃费：F1=1,F2=1,F3=1,F9=1、有入口无出口：F8=1和假冒绿通减免车辆：F5=1,F6=1,F7=1。

需要说明的是，步骤S25中的偷逃模型包括：屏蔽通行介质模型、换卡逃费模型、到卡逃费模型、伪卡逃费模型、假冒免费车逃费模型、车辆降型类逃费模型、车辆通行规定逃费模型和车辆出口计费规定与门架实际拟合轨迹不一致模型。

需要说明的是，所述步骤S5中的数据进入高速公路各级运营单位后，针对获取的偷逃费车辆，全路网稽查业务引入偷逃费车辆黑名单管理机制，围绕车辆黑名单的登记、发布、撤销、移除等业务节点控制，驱动形成全路网偷逃费稽查闭环管理。

Claims

1.一种基于高速公路门架计费数据的偷逃费车辆稽查方法，其特征在于，包括如下步骤：

S1：构建数据仓库，整合集成门架及出入口收费数据；

S2：建立车辆偷逃费分析模型库，具体包括如下步骤：

S21：选定特征量作为需稽查审核的特征参数；所述步骤S21中的特征参数包括：入口收费站Se、出口收费站Sx、门架收费单元M、入口车辆信息Ve、出口车辆信息Vx、门架计费牌识别车辆信息Vm、入口时间Te、出口时间Tx、出口收免信息Vkx、入口车牌Pe、出口车牌Px、门架车牌信息Pm、入口交易介质信息Ce、出口交易介质信息Cx、门架交易介质Cm、车辆载重Wx、车辆出口扣费轨迹Tr＿ex、基于车辆门架通行可拟合轨迹Tr＿m、行驶区间里程 Se→Sx和行驶区间最近20天同一时段平均行驶时间：Tavg=∑每辆车在该路段行驶时间/车辆数，得出的平均行驶时间即为该区间当前的行驶时间；

S22：根据选定的特征参数，设置异常行为特征量推导公式；

所述步骤S22中，异常行为特征量推导公式包括：

出入车牌与门架信息验证推导公式：F1=Diff(Pe,Px,Pm)；Pe=Px=Pm时，F1=0，否则为1；

出入交易介质与门架采集信息验证推导公式：F2= Diff(Ce,Cx，Cm)；Ce=Cx=Cm,F2=0，否则为1；

出入车辆信息与门架计费识别车辆信息验证推导公式：F3= Diff(Ve,Vx,Vm)；Ve=Vx=Vm时,F3=0，否则为1；

行驶时间验证推导公式：F4=Comp(λ*(Se→Sx)/(Tx-Te)，（(Se→Sx)/Tavg）)；λ≥ 3时，λ*(Se→Sx)/(Tx-Te)>（(Se→Sx)/Tavg），F4=0，否则为1；

车辆收免变化验证推导公式：F5= Diff(Vkx,prev(Vkx))，prev(Vkx)为上次收免类型，Vkx=prev(Vkx)时，F5=0，否则为1;

车辆载重变化验证推导公式：F6 = Diff（abs|Wx-prev(Wx)|/Wx），prev(Wx)为上次车辆载重， abs|Wx-prev(Wx)|/Wx≥5%时，F6=0，否则为1;

出入高速时间频度：F7 = Fr（Te-prev(Tx)）,prev(Tx)为上次驶出高速时间，若Te-prev(Tx)≥ 1小时,F7=0，否则为1；

车辆连续入口验证推导公式：F8 = ((Next(Te)-Te),(Tx-Te))，Next(Te)为下次入口时间，若(Next(Te)-Te)≥ (Tx-Te),F8=0，否则为1；

车辆收费轨迹与门架拟合轨迹验证推导公式：F9= Diff(Tr＿ex，Tr＿m)，若Tr＿ex=Tr＿m，F9=0，否则为1；

S25：输出偷逃费模式识别模型；

S3：业务数据导入模型分析、挖掘；

S4：输出黑白名单数据；

S5：数据进入高速公路各级运营单位；

S6：黑名单车辆拦截。

2.如权利要求1所述一种基于高速公路门架计费数据的偷逃费车辆稽查方法，其特征在于，所述步骤S24中的绑定关系包括：

同一辆车片连续入口：F8=1；出口超时：F4=1；出入口、门架车牌不一致：F1=1；出口CPC卡丢失：F2=1；疑似倒卡：F2=1,F4=1,F1=1,F3=1,F9=1；疑似伪卡逃费：F1=1,F2=1,F3=1,F9=1；有入口无出口：F8=1；假冒绿通减免车辆：F5=1,F6=1,F7=1。