CN112925820B - 一种车辆偷逃通行费的识别方法、装置及系统 - Google Patents
一种车辆偷逃通行费的识别方法、装置及系统 Download PDFInfo
- Publication number
- CN112925820B CN112925820B CN202110144489.XA CN202110144489A CN112925820B CN 112925820 B CN112925820 B CN 112925820B CN 202110144489 A CN202110144489 A CN 202110144489A CN 112925820 B CN112925820 B CN 112925820B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- transaction
- portal
- record
- toll
- 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.)
- Active
Links
Images
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明涉及一种车辆偷逃通行费的识别方法、装置及系统,该方法包括:获取原始通行数据库和ETC门架交易数据库;根据原始通行数据库,筛选出其中的至少一条车辆通行记录;根据至少一条车辆通行记录中的车辆信息在ETC门架交易数据库中查询,确定对应的门架交易数据;根据至少一条车辆通行记录对应的门架交易数据进行时间排序,分别确定每个ETC门架下的交易记录数据;针对每一条交易记录数据,确定对应的可疑门架交易数据;根据可疑门架交易数据,确定对应的疑似一车多卡交易集合,并根据卡号信息和车辆信息的出现频率,识别车辆偷逃通行费的情况。本发明智能化程度高,检测精准,能够提高稽查效率,提高通行管理效率。
Description
技术领域
本发明涉及电子不停车收费ETC技术领域,尤其涉及一种车辆偷逃通行费的识别方法、装置及系统。
背景技术
2020年1月,全国高速公路取消省界收费站,跨省通行不用在省界收费站缴费领卡通行。目前,高速公路上车辆依靠高速公路路段中部署的ETC门架系统路侧单元(也称“RSU”)对车载单元进行计费和扣费(路侧单元与车载单元的通信过程业内也称之为“交易”)。
通常情况,高速公路通行的车辆只有一张通行卡。但是某些车辆办理了多张通行卡,在进出高速公路收费口时使用多张卡的方式实现了“一车多卡”偷逃通行费。通过一车多卡,偷逃通行费,作案手法隐蔽,偷逃金额巨大,单车偷逃费用高达数十万元。给高速路网造成了很大的损失。综上,如何对“一车多卡”的车辆偷逃通行费行为进行有效识别是亟待解决的问题。
发明内容
有鉴于此,有必要提供一种车辆偷逃通行费的识别方法、装置及系统,用以解决如何对“一车多卡”的车辆偷逃通行费行为进行有效识别的问题。
本发明提供一种车辆偷逃通行费的识别方法,包括:
获取原始通行数据库和ETC门架交易数据库;
根据所述原始通行数据库,筛选出其中的至少一条车辆通行记录;
根据所述至少一条车辆通行记录中的车辆信息在所述ETC门架交易数据库中查询,确定所述至少一条车辆通行记录对应的门架交易数据;
根据所述至少一条车辆通行记录对应的门架交易数据进行时间排序,分别确定所述至少一条车辆通行记录在每个ETC门架下对应的交易记录数据;
针对每一条所述交易记录数据,查询对应的ETC门架下所有的所述ETC门架交易数据库,确定对应的可疑门架交易数据;
根据每一条所述交易记录数据对应的所述可疑门架交易数据,确定对应的疑似一车多卡交易集合,并在多个所述疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况。
进一步地,所述根据所述原始通行数据库库,筛选出其中的至少一条车辆通行记录包括:
将所述原始通行数据库中,遍历第一标识;
根据第一标识,将计费方式为兜底路径收费的所述至少一条车辆通行记录筛选出来。
进一步地,所述根据所述至少一条车辆通行记录中的车辆信息在所述ETC门架交易数据库中查询,确定所述至少一条车辆通行记录对应的门架交易数据包括:
提取出所述至少一条车辆通行记录的车牌信息和车牌颜色信息;
根据所述车牌信息和所述车牌颜色信息在所述ETC门架交易数据库中查询,找到对应的所述门架交易数据。
进一步地,所述根据所述至少一条车辆通行记录对应的门架交易数据进行时间排序,分别确定所述至少一条车辆通行记录在每个ETC门架下对应的交易记录数据包括:
根据所述至少一条车辆通行记录对应的门架交易数据进行时间排序,确定排序后的ETC门架交易流水;
根据所述排序后的ETC门架交易流水,确定所述至少一条车辆通行记录在每个ETC门架下对应的交易记录数据。
进一步地,所述针对每一条所述交易记录数据,查询对应的ETC门架下所有的所述ETC门架交易数据库,确定对应的可疑门架交易数据包括:
按时间先后顺序依次取出每一条所述交易记录数据;
在所述ETC门架交易数据库中,查询每一条所述交易记录数据对应门架下的所有门架交易数据;
若所述门架交易数据与所述交易记录数据的间隔时间小于预设时间且计费方式为兜底路径收费,则所述门架交易数据为所述可疑门架交易数据。
进一步地,所述在多个所述疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况包括:
在所有所述疑似一车多卡交易集合中,过滤掉在所有所述疑似一车多卡交易集合中都存在的卡号信息。
进一步地,所述在多个所述疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况包括:
在所有所述疑似一车多卡交易集合中,过滤掉在所有所述疑似一车多卡交易集合中都存在的车辆信息。
进一步地,所述在多个所述疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况包括:
查询所述疑似一车多卡交易集合中对应出现的所述车辆信息和所述卡号信息,形成车辆-卡号二元组;
统计所述车辆-卡号二元组在所有所述疑似一车多卡交易集合中的出现频率;
将相互对应的所述车辆信息、所述卡号信息、所述出现频率以及相关通行数据推送至前端,用于收费站现场稽查人员核实。
本发明还提供一种车辆偷逃通行费的识别装置,包括处理器以及存储器,存储器上存储有计算机程序,计算机程序被处理器执行时,实现如上所述的车辆偷逃通行费的识别方法。
本发明还提供一种车辆偷逃通行费的识别系统,包括多个ETC门架以及云端服务器,其中,所述多个ETC门架用于上传ETC门架交易数据库,所述云端服务器包括如上所述的车辆偷逃通行费的识别装置。
与现有技术相比,本发明的有益效果包括:首先,对原始通行数据库和ETC门架交易数据库进行有效的获取;然后,通过车辆通行记录的查询,将车辆通行记录和ETC门架交易数据库进行对应;进而,在每一条交易记录数据中,查询其对应的ETC门架下所有的ETC门架交易数据库,确定其中的可疑门架交易数据,以此进行有效的数据筛选;接着,将所有可疑门架交易数据构成疑似一车多卡交易集合,以便后续进行综合的数据处理;最后,通过对疑似一车多卡交易集合的数据处理,结合卡号信息和车辆信息的出现频率,综合判断车辆偷逃通行费的情况,快速高效地进行反馈。综上,本发明利用车辆通行数据与ETC门架交易数据库的映射关系,结合轨迹分析,能够有效找出潜在的“一车多卡逃费”车辆,通过计算机大数据处理技术,其智能化程度高,检测精准,能够提高稽查效率,提高通行管理效率。同时,系统与前端收费站稽查人员形成紧密联动,能够有效打击“一车多卡逃费”,追回偷逃费用。
附图说明
图1为本发明提供的车辆偷逃通行费的识别方法的流程示意图;
图2为本发明提供的“一车多卡逃费”的作弊示意图;
图3为本发明提供的确定车辆通行记录对应的ETC门架交易数据库的流程示意图;
图4为本发明提供的确定可疑门架交易数据的流程示意图;
图5为本发明提供的“一车多卡逃费”的作弊示意图;
图6为本发明提供的车辆偷逃通行费的识别装置。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明实施例提供了一种车辆偷逃通行费的识别方法,结合图1来看,图1为本发明提供的车辆偷逃通行费的识别方法的流程示意图,上述车辆偷逃通行费的识别方法包括步骤S1至步骤S6,其中:
在步骤S1中,获取原始通行数据库和ETC门架交易数据库;
在步骤S2中,根据原始通行数据库,筛选出其中的至少一条车辆通行记录;
在步骤S3中,根据至少一条车辆通行记录中的车辆信息在ETC门架交易数据库中查询,确定至少一条车辆通行记录对应的门架交易数据;
在步骤S4中,根据至少一条车辆通行记录对应的门架交易数据进行时间排序,分别确定至少一条车辆通行记录在每个ETC门架下对应的交易记录数据;
在步骤S5中,针对每一条交易记录数据,查询对应的ETC门架下所有的ETC门架交易数据库,确定对应的可疑门架交易数据;
在步骤S6中,根据每一条交易记录数据对应的可疑门架交易数据,确定对应的疑似一车多卡交易集合,并在多个疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况。
在本发明实施例中,首先,对原始通行数据库和ETC门架交易数据库进行有效的获取;然后,通过车辆通行记录的查询,将车辆通行记录和ETC门架交易数据库进行对应;进而,在每一条交易记录数据中,查询其对应的ETC门架下所有的ETC门架交易数据库,确定其中的可疑门架交易数据,以此进行有效的数据筛选;接着,将所有可疑门架交易数据构成疑似一车多卡交易集合,以便后续进行综合的数据处理;最后,通过对疑似一车多卡交易集合的数据处理,结合卡号信息和车辆信息的出现频率,综合判断车辆偷逃通行费的情况,快速高效地进行反馈。
需要说明的是,结合图2来看,图2为本发明提供的“一车多卡逃费”的作弊示意图,“一车多卡同时交易”逃费车辆的通行过程如下:
当一车辆同时办理了两张卡:在重庆办理的“渝01”,在山西办理的“晋01”;
当车辆从重庆高速收费站(渝_站2)刷“渝01”卡上道后,记这次刷卡记录为“渝01(进1)”。当车辆到达山西“晋_站2”时,刷“晋01”出站,记这次刷卡记录为“晋01(出1)”。当这辆车从山西返回重庆时,在山西上高速路刷“晋01卡”,下高速路刷“渝01卡”;
下一次这辆车从重庆去往山西又重复上述操作。这样就会形成如下刷卡记录:渝01(进1),晋01(出1),晋01(进1),渝01(出1),渝01(进2),晋01(出2),晋01(进2),渝01(出2)……。这样就会形成如下的扣费记录对:渝01(进1)-渝01(出1),渝01(进2)-渝01(出2),晋01(进1)-晋01(出2);
其中,在重庆上下道刷重庆办的卡,在山西上下道刷山西办的卡这种行为就会造成扣费路径与实际通行路径不匹配的情况。实际通行路径:重庆(渝_站2)-四川-陕西-山西(晋_站2)-山西(晋_站1)-陕西-四川-重庆(渝_站1)。而收费路径为:渝_站2–渝_站1。而实际上在车辆通行过程中,每经过一个门架都会产生一条计费记录,但是因为内部的计费逻辑导致并未按照实际通行路径进行收费。实线代表实际通行路线,虚线代表计费路径。正常情况下,车辆经过每一个门架都会产生一条计费记录,在高速公路出口累加各门架扣费记录累加得出本次通行的总费用并执行扣费操作。当门架计费记录异常(过多或过少)时,对于跨省通行的车辆,收费站会通过调用交通部的计费服务进行扣费。当计费金额大于出入口最短路径费用的5倍时,计费失败,采用最短路径收费。
优选地,结合图3来看,图3为本发明提供的确定车辆通行记录对应的ETC门架交易数据库的流程示意图,上述步骤S2包括步骤S21至步骤S22,其中:
在步骤S21中,将所述原始通行数据库中,遍历第一标识;
在步骤S22中,根据第一标识,将计费方式为兜底路径收费的所述至少一条车辆通行记录筛选出来。
作为具体实施例,本发明实施例将原始通行数据库中的“兜底路径收费”记录筛选出来,并有效提取出每条“兜底路径收费”记录对应的ETC门架交易记录。
在本发明一个具体的实施例中,选取一段时间(例如1个月)的原始通行数据库PassDataoriginal=<Vid,color,Tin,Tout,flag>,其中,vid为车牌信息,color为车牌颜色信息,vid和color可以唯一标识一辆车,Tin为上高速公路时间,Tout为下高速公路时间,flag标识可以体现是否为兜底路径收费,如下表1所示:
表1
其中,筛选计费方式为“兜底路径收费”的车辆通行记录得到计费方式为“兜底路径收费”的至少一条车辆通行记录的集合PassDatafilter,PassDatafilter=σ计费方式=“兜底路径收费”(PassDataoriginal)。
优选地,上述步骤S3具体包括:
提取出至少一条车辆通行记录的车牌信息和车牌颜色信息;
根据车牌信息和车牌颜色信息在ETC门架交易数据库中查询,找到对应的门架交易数据。
作为具体实施例,本发明实施例利用车牌信息和车牌颜色信息有效在门架交易数据库中查询,提取出每条“兜底路径收费”的车辆通行记录对应的门架交易数据。
在本发明一个具体的实施例中,在步骤S3中,对于筛选出对应的ETC门架交易记录ETv=σVid=v.Vid and color=v.color(ET),对ETC门架交易记录按照时间升序排序,获得ETC门架交易流水ET'v。其中,V为车牌信息、车牌颜色信息的二元组集合。提取出每条“兜底路径收费”记录对应的ETC门架交易记录构成兜底ETC门架交易集合ET=<Vid,color,Sid,Sname,Cid,T>,其中vid为车牌号,color为车牌颜色,Sid为门架编号,Sname为门架名称,Cid为卡号,T为交易时间(即车辆通过当前门架的时间,如下表2所示:
表2
优选地,上述步骤S4具体包括:
根据至少一条车辆通行记录对应的门架交易数据进行时间排序,确定排序后的ETC门架交易流水;
根据排序后的ETC门架交易流水,确定至少一条车辆通行记录在每个ETC门架下对应的交易记录数据。
作为具体实施例,本发明实施例对每一辆车在不同门架下的通车记录进行排序,确定每一辆车在不同门架下排序后的ETC门架交易流水,以此有效确定每一辆车在每个ETC门架下对应的交易记录数据。
优选地,结合图4来看,图4为本发明提供的确定可疑门架交易数据的流程示意图,上述步骤S5包括步骤S51至步骤S53,其中:
在步骤S51中,按时间先后顺序依次取出每一条交易记录数据;
在步骤S52中,查询每一条交易记录数据对应门架的所有ETC门架交易数据库;
在步骤S53中,若ETC门架交易数据库与交易记录数据的间隔时间小于预设时间且计费方式为“兜底路径收费”,则ETC门架交易数据库为可疑门架交易数据。
作为具体实施例,本发明实施例对于每一条交易记录数据,找出其对应的ETC门架的所有ETC门架交易记录,并将时间间隔小于的记录保留,判定为“疑似一车多卡交易”记录并新增一个“疑似一车多卡交易集合”,一张卡经过的每一个ETC门架,都对应一个“疑似一车多卡交易集合”。其中,预设时间优选为2秒。
在本发明一个具体的实施例中,按时间先后顺序取出ETC门架交易流水ET'v中的数据x∈ET'v,找出该条数据对应门架的所有兜底ETC门架交易记录ETv,x=πSid=x.Sid(ET);保留ETv,x=σSid=x.Sid(ET)与数据x中的时间间隔小于2秒的记录。即“疑似一车多卡交易集合”ETv,x←σ|v.T-T|<2(ETv,x)。
优先地,上述步骤S6包括:在所有疑似一车多卡交易集合中,过滤掉在所有疑似一车多卡交易集合中都存在的卡号信息。作为具体实施例,本发明实施例过滤掉长期未交易的通行卡。以卡为单位,对这张卡的所有“疑似一车多卡交易集合”中都存在的卡号,从所有“疑似一车多卡交易集合”中删除。因为在这种情况下,多张卡虽然轨迹相同,但是上下车道都有记录,并未逃避收费。
优先地,上述步骤S6包括:在所有疑似一车多卡交易集合中,过滤掉在所有疑似一车多卡交易集合中都存在的车辆信息。作为具体实施例,本发明实施例找出所有“疑似一车多卡交易集合”都出现的车辆,并将其剔除。
优选地,上述步骤S6还包括:判断疑似一车多卡交易集合中是否只有一张卡的卡号信息,若是,则删除对应的疑似一车多卡交易集合。在本发明一个具体的实施例中,“疑似一车多卡交易集合”中只有一张卡时,不认为“多卡同时交易”,删除该卡的记录,并更新
优先地,结合图5来看,图5为本发明提供的推送车辆偷逃通行费的情况的流程示意图,上述步骤S6还包括步骤S61至步骤S63,其中:
在步骤S61中,查询疑似一车多卡交易集合中对应出现的车辆信息和卡号信息,形成车辆-卡号二元组;
在步骤S62中,统计车辆-卡号二元组在所有疑似一车多卡交易集合中的出现频率;
在步骤S63中,将相互对应的车辆信息、卡号信息、出现频率以及相关通行数据推送至前端,用于收费站现场稽查人员核实。
作为具体实施例,本发明实施例将“疑似一车多卡交易”的车辆车牌、车辆颜色、卡号、可以分数,以及相关的通行数据、ETC门架交易数据库等信息推送至前端,由收费站现场稽查人员核实。
在本发明一个具体的实施例中,创建“疑似一车多卡交易卡号集合”Cv=<Vid,color,Cid>,对于c∈Cv,统计c在中出现的次数(即出现频率),记为Scorec。由此,以出现频率确定可疑分数Scorec,有效发现其逃费行为。
优选地,本发明中提供的上述步骤部署至Hadoop集群下,采用30个计算节点,高效并行计算,能够提高稽查效率,提高通行管理效率。
实施例2
本发明实施例提供了一种基于动态时空相关特征优化的短时交通流预测装置,结合图6来看,图6为本发明提供的车辆偷逃通行费的识别装置,上述车辆偷逃通行费的识别装置600包括:
获取单元601,用于获取原始通行数据库和ETC门架交易数据库;
处理单元602,用于根据原始通行数据库,筛选出其中的至少一条车辆通行记录;还用于根据至少一条车辆通行记录中的车辆信息在ETC门架交易数据库中查询,确定至少一条车辆通行记录对应的门架交易数据;还用于根据至少一条车辆通行记录对应的门架交易数据进行时间排序,分别确定至少一条车辆通行记录在每个ETC门架下对应的交易记录数据;还用于针对每一条交易记录数据,查询对应的ETC门架下所有的ETC门架交易数据库,确定对应的可疑门架交易数据;
推送单元603,用于根据每一条交易记录数据对应的可疑门架交易数据,确定对应的疑似一车多卡交易集合,并在多个疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况。
实施例3
本发明实施例提供了一种车辆偷逃通行费的识别装置,包括处理器以及存储器,存储器上存储有计算机程序,计算机程序被处理器执行时,实现如上所述的车辆偷逃通行费的识别方法。
实施例4
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,计算机该程序被处理器执行时,实现如上所述的车辆偷逃通行费的识别方法。
实施例5
本发明实施例提供了一种车辆偷逃通行费的识别系统,包括多个ETC门架以及云端服务器,其中,多个ETC门架用于上传ETC门架交易数据库,云端服务器包括如上所述的车辆偷逃通行费的识别装置。
本发明公开了一种车辆偷逃通行费的识别方法、装置以及系统,在该方法中,首先,对原始通行数据库和ETC门架交易数据库进行有效的获取;然后,通过车辆通行记录的查询,将车辆通行记录和ETC门架交易数据库进行对应;进而,在每一条交易记录数据中,查询其对应的ETC门架下所有的ETC门架交易数据库,确定其中的可疑门架交易数据,以此进行有效的数据筛选;接着,将所有可疑门架交易数据构成疑似一车多卡交易集合,以便后续进行综合的数据处理;最后,通过对疑似一车多卡交易集合的数据处理,结合卡号信息和车辆信息的出现频率,综合判断车辆偷逃通行费的情况,快速高效地进行反馈。
本发明技术方案,利用车辆通行数据与ETC门架交易数据库的映射关系,结合轨迹分析,对比了一段时内所有卡的ETC门架通行记录形成的轨迹,能够有效找出潜在的“一车多卡逃费”车辆,通过计算机大数据处理技术,其智能化程度高,检测精准,能够提高稽查效率,提高通行管理效率。同时,系统与前端收费站稽查人员形成紧密联动,能够有效打击“一车多卡逃费”,追回偷逃费用。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种车辆偷逃通行费的识别方法,其特征在于,包括:获取原始通行数据库和 ETC门架交易数据库;
根据所述原始通行数据库,筛选出其中的至少一条车辆通行记录;
根据所述至少一条车辆通行记录中的车辆信息在所述 ETC 门架交易数据库中查询,确定所述至少一条车辆通行记录对应的门架交易数据;
根据所述至少一条车辆通行记录对应的门架交易数据进行时间排序,分别确定所述至少一条车辆通行记录在每个 ETC 门架下对应的交易记录数据;
针对每一条所述交易记录数据,查询对应的 ETC 门架下所有的所述 ETC
门架交易数据库,确定对应的可疑门架交易数据;
根据每一条所述交易记录数据对应的所述可疑门架交易数据,确定对应的疑似一车多卡交易集合,并在多个所述疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况,所述针对每一条所述交易记录数据,查询对应的 ETC 门架下所有的所述 ETC 门架交易数据库,确定对应的可疑门架交易数据包括:
按时间先后顺序依次取出每一条所述交易记录数据;在所述 ETC 门架交易数据库中,查询每一条所述交易记录数据对应门架下的所有门架交易数据;若所述门架交易数据与所述交易记录数据的间隔时间小于预设时间且计费方式为兜底路径收费,则所述门架交易数据为所述可疑门架交易数据。
2.根据权利要求 1 所述的车辆偷逃通行费的识别方法,其特征在于,所述根据所述原始通行数据库,筛选出其中的至少一条车辆通行记录包括:
将所述原始通行数据库中,遍历第一标识;
根据第一标识,将计费方式为兜底路径收费的所述至少一条车辆通行记录筛选出来。
3.根据权利要求 1 所述的车辆偷逃通行费的识别方法,其特征在于,所述根据所述至少一条车辆通行记录中的车辆信息在所述 ETC 门架交易数据库中查询,确定所述至少一条车辆通行记录对应的门架交易数据包括:
提取出所述至少一条车辆通行记录的车牌信息和车牌颜色信息;
根据所述车牌信息和所述车牌颜色信息在所述 ETC 门架交易数据库中查询,找到对应的所述门架交易数据。
4.根据权利要求 1 所述的车辆偷逃通行费的识别方法,其特征在于,所述根据所述至少一条车辆通行记录对应的门架交易数据进行时间排序,分别确定所述至少一条车辆通行记录在每个 ETC 门架下对应的交易记录数据包括:根据所述至少一条车辆通行记录对应的门架交易数据进行时间排序,确定排序后的ETC 门架交易流水;根据所述排序后的ETC门架交易流水,确定所述至少一条车辆通行记录在每个 ETC 门架下对应的交易记录数据。
5.根据权利要求4所述的车辆偷逃通行费的识别方法,其特征在于,所述在多个所述疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况包括:
在所有所述疑似一车多卡交易集合中,过滤掉在所有所述疑似一车多卡交易集合中都存在的卡号信息。
6.根据权利要求5所述的车辆偷逃通行费的识别方法,其特征在于,所述在多个所述疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况包括:
在所有所述疑似一车多卡交易集合中,过滤掉在所有所述疑似一车多卡交易集合中都存在的车辆信息。
7.根据权利要求6 所述的车辆偷逃通行费的识别方法,其特征在于,所述在多个所述疑似一车多卡交易集合中,根据卡号信息和车辆信息的出现频率,识别并向前端推送车辆偷逃通行费的情况包括:
查询所述疑似一车多卡交易集合中对应出现的所述车辆信息和所述卡号信息,形成车辆-卡号二元组;
统计所述车辆-卡号二元组在所有所述疑似一车多卡交易集合中的出现频率;
将相互对应的所述车辆信息、所述卡号信息、所述出现频率以及相关通行数据推送至前端,用于收费站现场稽查人员核实。
8.一种车辆偷逃通行费的识别装置,其特征在于,包括处理器以及存储器,存储器上存储有计算机程序,计算机程序被处理器执行时,实现如权利要求 1-7任一项所述的车辆偷逃通行费的识别方法。
9.一种车辆偷逃通行费的识别系统,其特征在于,包括多个 ETC 门架以及云端服务器,其中,所述多个 ETC 门架用于上传 ETC 门架交易数据库,所述云端服务器包括如权利要求8所述的车辆偷逃通行费的识别装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110144489.XA CN112925820B (zh) | 2021-02-02 | 2021-02-02 | 一种车辆偷逃通行费的识别方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110144489.XA CN112925820B (zh) | 2021-02-02 | 2021-02-02 | 一种车辆偷逃通行费的识别方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112925820A CN112925820A (zh) | 2021-06-08 |
CN112925820B true CN112925820B (zh) | 2023-04-07 |
Family
ID=76167802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110144489.XA Active CN112925820B (zh) | 2021-02-02 | 2021-02-02 | 一种车辆偷逃通行费的识别方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112925820B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570738B (zh) * | 2021-07-06 | 2023-05-23 | 哈尔滨工业大学 | Etc通行失信行为电子取证与分类管理方法及系统 |
CN115115456A (zh) * | 2022-08-29 | 2022-09-27 | 太极计算机股份有限公司 | 高速公路门架交易的汇总方法和装置 |
CN115599836B (zh) * | 2022-09-30 | 2023-06-23 | 广州天长信息技术有限公司 | 一种基于时间序列高速公路跨省逃费车辆关联挖掘方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111103582A (zh) * | 2019-12-26 | 2020-05-05 | 成都纳雷科技有限公司 | 一种雷达辅助的etc防逃费方法、系统及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002279461A (ja) * | 2001-03-15 | 2002-09-27 | Matsushita Electric Ind Co Ltd | 自動料金収受システム |
CN102110368B (zh) * | 2009-12-25 | 2013-06-19 | 吕增及 | 高速公路换牌逃费车辆的自动稽查方法 |
US20150149465A1 (en) * | 2013-11-22 | 2015-05-28 | Mastercard International Incorporated | Method and system for integrating vehicle data with transaction data |
CN108021361A (zh) * | 2017-12-01 | 2018-05-11 | 北京博宇通达科技有限公司 | 一种高速公路倒卡逃费车辆筛查方法及装置 |
CN111291236A (zh) * | 2018-12-07 | 2020-06-16 | 交通运输部路网监测与应急处置中心 | 一种高速路网用户画像信息获取与分析方法及系统 |
CN110188636A (zh) * | 2019-05-16 | 2019-08-30 | 苏州思卡信息系统有限公司 | 一种etc车辆高速行驶过程中信息自动比对系统及方法 |
CN111696219B (zh) * | 2020-05-25 | 2022-05-03 | 北京易路行技术有限公司 | Etc逃费车辆的筛选方法及装置 |
CN112150810A (zh) * | 2020-09-25 | 2020-12-29 | 云从科技集团股份有限公司 | 一种车辆行为管理方法、系统、设备及介质 |
CN112184931B (zh) * | 2020-09-28 | 2022-09-13 | 广西信路威科技发展有限公司 | 基于高速公路路网的车辆计费路径优选系统及分析方法 |
-
2021
- 2021-02-02 CN CN202110144489.XA patent/CN112925820B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111103582A (zh) * | 2019-12-26 | 2020-05-05 | 成都纳雷科技有限公司 | 一种雷达辅助的etc防逃费方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112925820A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112925820B (zh) | 一种车辆偷逃通行费的识别方法、装置及系统 | |
CN106022296B (zh) | 一种基于车辆热点区域的概率聚合的套牌车检测方法 | |
CN112447041B (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
CN105513148A (zh) | 车辆收费的管理方法及管理系统 | |
CN104732205A (zh) | 一种高速公路逃费稽查的系统 | |
CN107329977B (zh) | 一种基于概率分布的假牌车二次筛选方法 | |
CN101044531A (zh) | 为道路使用收费收集和处理数据的方法和系统 | |
CN109191861B (zh) | 一种基于视频检测器的高速公路逃费车辆异常行为检测系统及方法 | |
CN105335795B (zh) | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 | |
CN110728759B (zh) | 一种etc门架交易成功率检测方法、装置、计算设备和介质 | |
CN106651732A (zh) | 一种高速公路异车换卡逃费车辆筛查方法及系统 | |
CN109615853A (zh) | 识别高速公路疑似非法营运车辆的方法及设备 | |
CN112967410B (zh) | 一种基于最长公共子序列的偷逃通行费车辆识别方法 | |
CN110969861A (zh) | 一种车辆识别方法、装置、设备及计算机存储介质 | |
CN115830729A (zh) | 基于高速公路etc数据融合的车辆出行信息提取方法 | |
CN114841712B (zh) | 网约车巡游违规运营状态的确定方法和装置及电子设备 | |
CN108021361A (zh) | 一种高速公路倒卡逃费车辆筛查方法及装置 | |
Song et al. | Public transportation service evaluations utilizing seoul transportation card data | |
TW201000934A (en) | Method of detecting traffic bottleneck points based on space environment data mining technology | |
CN111915751B (zh) | 一种路侧停车收费方法、装置、设备和存储介质 | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN113436356A (zh) | 一种车辆轨迹还原方法、高速通行费确定方法及装置 | |
Ou et al. | Big-data-based analysis on the relationship between taxi travelling patterns and taxi drivers' incomes | |
CN110570533B (zh) | 基于大数据分析的易混淆车打逃系统及方法 | |
CN116363871B (zh) | 高速公路假日免征车辆疫情预警及入口信息还原方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |