CN113570195A - 基于etc门架系统数据的车辆信用评价系统及方法 - Google Patents
基于etc门架系统数据的车辆信用评价系统及方法 Download PDFInfo
- Publication number
- CN113570195A CN113570195A CN202110723456.0A CN202110723456A CN113570195A CN 113570195 A CN113570195 A CN 113570195A CN 202110723456 A CN202110723456 A CN 202110723456A CN 113570195 A CN113570195 A CN 113570195A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- behavior
- credit evaluation
- follows
- 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- Withdrawn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
- 238000011156 evaluation Methods 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 54
- 210000004258 portal system Anatomy 0.000 title claims abstract description 46
- 230000006399 behavior Effects 0.000 claims abstract description 152
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims description 42
- 230000004927 fusion Effects 0.000 claims description 32
- 238000005065 mining Methods 0.000 claims description 28
- 238000007405 data analysis Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 23
- 239000000126 substance Substances 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000013210 evaluation model Methods 0.000 claims description 11
- 230000000391 smoking effect Effects 0.000 claims description 10
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 238000012797 qualification Methods 0.000 claims description 6
- 241001282135 Poromitra oscitans Species 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 claims description 5
- 206010048232 Yawning Diseases 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000001965 increasing effect Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 231100000279 safety data Toxicity 0.000 claims description 2
- 238000005728 strengthening Methods 0.000 claims description 2
- 239000000383 hazardous chemical Substances 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 6
- 238000007418 data mining Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004148 unit process Methods 0.000 description 2
- 241000497429 Obus Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于ETC门架系统数据的车辆信用评价系统及方法,该系统包括高速公路路侧设备、服务区全域监控设备、信用评价系统和输出系统。本发明提供的车辆信用评价系统对高速公路通行车辆行为进行分析挖掘,基于车辆失信类型和次数进行车辆信用评价,同时基于信用评价结果对车辆进行行驶偏好分类,对车辆信用分较低用户进行重点关注及行驶全过程追踪,为高速公路运营及管理部门决策提供数据支持,改善高速公路通行秩序。本发明提供的车辆信用评价方法对低信用值用户重点关注,进而减少安全事故、提高高速公路运营管理单位收费稽查效率。
Description
技术领域
本发明涉及车辆技术领域,尤其涉及一种基于ETC门架系统数据的车辆信用评价系统及方法。
背景技术
截至2019年底,全国29个联网收费省份487个省界收费站全部取消,ETC门架系统是取消省界收费站后实现电子无感收费的重要设施,可实时采集车辆交易流水、ETC/CPC卡通行记录、车辆标签、车辆行为及抓拍图像等信息数据,实现对通行车辆进行多路径识别、车辆分段计费、流量调查、视频监控、超速筛查等功能。
但随着路网规模的日益扩大,交通流量激增、车辆行驶里程增加、通行地域范围扩大、车辆的单次缴费额度不断增大等情况,给高速管理部门带来诸多问题。如:高速公路管理信息软件系统功能设计简单,缺少对实时数据的挖掘;监控系统不完善、驾驶员判断错误、交通流相互作用、针对天气或地理等因素变化不能及时采取措施等造成交通事故频发;在经济利益驱使下,不法分子采用恶意屏蔽OBU、遮挡号牌、套牌车、大车小标等手段实施偷逃费行为。
随着大数据、人工智能、信号分析及计算机工程等先进技术兴起,基于ETC门架系统、路侧及服务区等数据采集设备开展车辆行为分析与挖掘,基于车辆行驶数据创新构建数据关联关系,提出车辆信用评定方法,达到提高路网管理效率,为高速公路运营及管理部门决策提供数据支持,改善高速公路通行秩序的目的。
发明内容
为解决现有技术存在的局限和缺陷,本发明提供一种基于ETC门架系统数据的车辆信用评价系统,包括高速公路路侧设备、服务区全域监控设备、信用评价系统和输出系统;
所述高速公路路侧设备包括摄像头、雷达、边缘计算单元、语音播放设备、高速公路工控机,所述摄像头用于采集高速公路行驶车辆视频图像信息,所述雷达用于采集高速公路行驶车辆速度和位置信息,所述边缘计算单元用于对采集的数据进行分析,所述语音播放设备用于根据信用评价结果对行驶车辆进行定制化语音播放,所述高速公路工控机用于对所述高速公路路侧设备进行控制;
所述服务区全域监控设备包括出入处卡口、雷视一体机、服务区工控机、计算单元,所述出入处卡口用于采集进出服务区的车辆信息,所述车辆信息包括车牌号、车型、车身颜色、车辆特征,所述雷视一体机用于对服务区进行全域监测,获得车辆违规停放次数,所述服务区工控机用于对所述服务区全域监控设备进行控制,所述计算单元用于对服务区数据进行分析处理;
所述信用评价系统包括数据分析模块、数据融合模块、车辆行为挖掘模块、信用评价模块、车辆跟踪模块,所述数据分析模块用于对所述ETC门架系统、所述高速公路路侧设备、所述服务区全域监控设备采集到的数据进行分析,获得与信用评价相关的分类数据集合,所述数据融合模块用于将各个分类数据集结合交通安全数据、气象数据进行融合,所述车辆行为挖掘模块用于基于融合数据深入挖掘车辆逃费行为方式,将挖掘结果引入所述信用评价模块,所述信用评价模块用于根据数据融合和挖掘的结果,对各个车辆进行信用评价,所述车辆跟踪模块用于根据信用评价结果,当低信用值用户或逃费用户驶入高速公路时,调用沿途设备进行全过程追踪;
所述输出系统包括路侧设备数据输出、服务区设备数据输出、车辆基本信息输出、数据分析结果输出、融合数据输出、车辆信用输出、车辆行驶轨迹输出,所述路侧设备数据输出用于以2D模型形式显示设备桩号,所述服务区设备用于输出以2D模型形式显示设备安装位置、车辆停放位置以及停放时间,所述车辆基本信息输出用于以表格形式输出车牌、车辆持有人、车辆持有物、车辆特征、支付类型、OBU信息,所述数据分析结果输出用于以图表形式显示每台车辆各类指标评价行为出现的次数,所述融合数据输出用于以表格形式逐条显示各个车辆融合处理后的数据,所述车辆信用输出用于显示每台车辆的信用评分、失信类型、失信次数以及具体失信记录,而且每月更新一次,所述车辆行驶轨迹输出用于支持按车牌或时间查询车辆轨迹和车辆速度。
可选的,车辆信用评价指标包括逃费、事故、超速、超重、补费、驾驶行为、行驶里程、车辆信息完整度,所述驾驶行为包括平均车速、瞬时车速、车道行驶错误、抛洒异物、异常停车、逆行、抽烟及打电话、服务区违规停放、疲劳驾驶,所述车辆信息完整度包括资质证件、车辆状况、车辆基本信息、人员情况、车辆违规和事故情况;
基于信用评价结果对车辆进行行驶偏好分类,对车速较高或较低的车辆通过路侧播报设备提醒控制速度,对事故发生次数较高的车辆在事故频发路段加强预警,对服务区乱停乱放车辆利用大屏幕进行循环播报,对车辆信用分普遍较低的企业重点关注;
所述车型包括货车、客车、专用作业车、危化品运输车、免通行费车辆。
本发明还提供一种基于ETC门架系统数据的车辆信用评价方法,所述车辆信用评价方法使用所述的车辆信用评价系统,包括:
车辆驶入高速公路后,通过ETC门架系统以及高速公路路侧的摄像头实时采集车辆行驶过程中的图像视频数据,通过边缘计算单元对车辆基本信息和驾驶员异常行为进行识别与统计,所述车辆基本信息包括车辆车牌、车辆特征,所述驾驶员异常行为包括疲劳驾驶、抛洒异物、吸烟、打电话、车道行驶错误、异常停车、打哈欠,雷达实时采集车辆速度信息、车辆位置信息,当发现超速行为或逆行行为时,调用摄像头进行抓拍和记录;
通过服务区出入口位置安装的卡口识别进入服务区的车辆信息,结合ETC门架系统和高速公路路侧设备进行数据分析车辆是否存在疲劳驾驶行为,利用雷视一体机对危化品车未停放在专用车位、普通车辆停放在危化品车位的行为进行抓拍和记录;
将ETC门架系统、高速公路路侧设备、服务区全域监控设备、交通事故的数据接入信用评价系统,进行融合分析,挖掘和统计失信行为的类型和次数;
通过信用评价模型对车辆进行评价,按月更新上述评价;
当低信用值或逃费车辆进入高速时,调用ETC门架系统、高速公路路侧设备、服务区全域监控设备进行全过程跟踪,在输出系统中显示车辆行驶轨迹。
可选的,还包括:
车辆信用分数C的总分为1000,包括基础分Cb和附加分Ca,其中,Cb根据车型分为5个级别,附加分Ca包括8个指标;
根据专家赋值以及基于BP神经网络的信用评价模型评分相结合的方式计算获得权重Mj;
分项计算8个指标的评价分数Cj;
结合权重Mj和评价分数Cj计算附加分Ca,表达式如下:
其中,Mj∈[0,1];
根据历史通行数据计算各类型车辆逃费和事故的发生比例,从高到低依次将基础分Cb定为300、325、350、375、400,其中,将危化品运输车的发生事故定为300分。
可选的,还包括判断疲劳驾驶行为的步骤,所述判断疲劳驾驶行为的步骤包括:
记录车辆驶入高速时间Ti;
记录车辆驶离高速时间To;
记录车辆驶入第n个服务区的时间Ti(n),记录车辆驶离第n个服务区的时间To(n);
记录车辆行驶全过程驶入服务区数量m;
判断Ti和To的大小,表达式如下:
Ht=To-Ti
若连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟,判断为疲劳驾驶,判断疲劳驾驶的步骤包括:
若Ht<4小时,无需判断是否存在疲劳驾驶行为;
若Ht≥4小时,判断是否存在停车休息行为,表达式如下:
若Hn均小于4小时,判断休息时间T是否满足需求,设置Ttot为理论休息时间,表达式如下:
其中,ceil()表示向上取整;
计算车辆实际休息时间Tact,表达式如下:
比较Ttot和Tact的大小,若Tact小于Ttot,判断为存在疲劳驾驶,疲劳驾驶次数f的表达式为:
其中,round()为就近取整函数;
若Hn>4小时,判断为存在疲劳驾驶行为,疲劳驾驶行为的次数等于Hn大于4的情况出现的个数。
可选的,还包括判断逃费情况Cevf的步骤,所述判断逃费情况Cevf的步骤包括:
设置Nevh为历史逃费次数,Ntoh为历史出行总次数,计算历史逃费频率指标fevf,表达式如下:
其中,Ceil()为向上取整函数,当fevf为0时,表示无历史逃费行为的车辆,当fevf为1时,表示历史逃费频率在(0,0.01]之间的车辆;
设置fevf从0开始取值直至100,依次计算车辆逃费概率提升倍数K,表达式如下:
Po为车辆总逃费概率,表达式如下:
其中,Ntot为当月车辆出行总次数,Noev为当月车辆逃费总次数;
Pab表示在有历史逃费行为的条件下当月发生逃费行为的概率,表达式如下:
其中,Nevf表示当月通行车辆中有历史逃费行为数量,Nab为有历史逃费行为且当月发生逃费行为的数量;
根据K值结合实际,调整获得fevf与K的对应关系,表达式如下:
K=f1(fevf)
构建逃费情况Cevf指标,表达式如下:
Cevf=600×f2(K)
其中,f2()为正向化处理变换关系,Cevf取值范围为(0,1],共有100个级别;
计算新入网用户车辆Cevf(0)分数,在每个月的月底更新上述分数;
第m+1个月根据当月车辆逃费行为xi数量进行分类取值,表达式如下:
当xi大于0时,计算历史逃费频率指标fevf,将历史逃费频率指标fevf与m月进行比较和取值,表达式如下:
其中,Cevf(m,j)表示第m月第j级别,n表示实际提升指数。
可选的,还包括评价驾驶行为Cdrb的步骤,所述评价驾驶行为Cdrb的步骤包括:
定义各个评价子指标;
使用平均车速表征车速所属区间,平均速度过大或过小均应作为异常行为记录,表达式如下:
其中,Vavg为车辆平均速度,Vmin为高速公路路段设定最小行驶速度,Vmax为高速公路路段设定最大行驶速度;
使用瞬时车速表征车辆瞬时速度与平均速度差值,相差大表示车速忽慢忽快较不安全,应作为异常行为记录,表达式如下:
其中,Vavg为车辆瞬时速度;
驾驶行为基础分为600分,通过计算9种行为出现次数和重要程度,使用扣分方式进行赋分,设置wi为当月第i类行为权重值,xi为当月第i类行为出现次数,f(xi)为当月第i类行为出现次数的效用函数,权重wi根据各类行为对逃费和事故的影响程度获得,第一个月Cdrb的表达式如下:
其中,wi∈[0,1];
效用函数通过估算各类行为当月可能出现的最大次数,将实际发生次数与可能最大次数进行比较计算,表达式如下:
其中,ximax为当月行为出现最大次数;
若第m+1月车辆失信行为xi大于0,在第m月基础上累计扣减,表达式如下:
考虑到车辆会根据信用评价分数规范其驾驶行为,引入调整系数vj,表达式如下:
当第m+1月车辆各类型失信行为xi等于0时,vj根据上式取值,更新Cdrb分数,表达式如下:
Cdrb(m+1)=600-vj·(600-Cdrb(m))xi=0。
可选的,还包括评价补费情况Cmuf的步骤,所述评价补费情况Cmuf的步骤包括:
设置Mf表示总补缴金额,Mo表示总逃费金额,总补缴金额比例Ptof的表达式如下:
其中,roundn()表示保留2位小数;
设置Mmuf表示车辆已补缴金额,Mtof表示车辆总逃费金额,车辆补缴金额比例Pmuf的表达式如下:
以Ptof为分界点,比较Pmuf与Ptof的大小,当Pmuf=Ptof时,车辆补缴比例与总补缴比例相等,补缴比例越高,权重越高,无逃费记录车辆给予满分,存在逃费行为车辆而且补缴全部通行费用不给予满分;
F(Pmuf)为Pmuf效用函数,F(Pmuf)满足随着补缴比例的提高函数斜率逐渐加大的要求,基于效用函数F(fmuf),构建补费情况Cmuf指标,表达式如下:
Cmuf=F(fmuf)×600
每个月计算总补缴金额比例Ptof,根据所述总补缴金额比例Ptof调整效用函数更新补费情况Cmuf指标。
可选的,还包括评价行驶里程Cacl的步骤,所述评价行驶里程Cacl的步骤包括:
设置ftmt表示车辆总行驶里程,n表示入网时间,月平均行驶里程指数fam的表达式如下:
其中,floor()表示向下取整,当fam为0时,表示月平均行驶里程在[0,100)之间的车辆,当fam为1时,表示月平均行驶里程在[100,200)之间的车辆;
根据平均权重方法对每一区间赋予一个平均权重,基于历史通行数据计算综合权重wi,构建行驶里程Cacl指标,表达式如下:
Ccal=wi×fam×600
每个月的月底计算fam,更新行驶里程Cacl指标。
可选的,还包括车辆信息完整度Cvii针对不同车型设置不同评价内容的步骤,所述车辆信息完整度Cvii针对不同车型设置不同评价内容的步骤包括:
车辆信息完整度从资质证件、车辆状况、车辆基本信息、人员情况、车辆违规及事故情况共5个子指标进行评价;
根据专家主观赋值法,获得各种类型车辆信息完整度Cvii各个子指标权重wi和各个评价内容分值sj;
构建车辆信息完整度Cvii指标,表达式如下:
其中,i表示第i个子指标,j表示第j项内容。
本发明具有下述有益效果:
本发明提供一种基于ETC门架系统数据的车辆信用评价系统及方法,该系统包括高速公路路侧设备、服务区全域监控设备、信用评价系统和输出系统,高速公路路侧设备包括摄像头、雷达、边缘计算单元、语音播放设备、工控机,实现高速公路行驶车辆视频图像、车辆速度、位置等信息采集;服务区全域监控设备包括出入处卡口、雷视一体机、工控机、计算单元,实现进出服务区的车辆信息采集、车辆违规停放行为监测;信用评价系统包括数据分析模块、数据融合模块、车辆行为挖掘模块、信用评价模块、车辆跟踪模块,实现对车辆行为数据的分析、融合与挖掘,基于数据开展信用评价与低信用值车辆跟踪;输出系统包括路侧设备数据输出、服务区设备数据输出、车辆基本信息输出、数据分析结果输出、融合数据输出、车辆信用输出、车辆行驶轨迹输出,实现各类数据输出。
本发明基于ETC门架系统、高速公路路侧设备、服务区全域监控设备对车辆及其行为信息进行采集,通过数据分析与挖掘获得车辆失信类型及次数,搭建信用评价模型实现每台车辆信用评价并按月更新,同时基于信用评价结果对车辆进行行驶偏好分类,对低信用值车辆开展全过程跟踪,有效解决高速公路车辆安全运营、逃费漏费等问题。
附图说明
图1为本发明实施例一提供的基于ETC门架系统数据的车辆信用评价系统的实施逻辑流程图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的基于ETC门架系统数据的车辆信用评价系统及方法进行详细描述。
实施例一
本发明旨在解决高速公路通行车辆信用评价的技术问题,提出一种基于ETC门架数据的车辆信用评价系统,通过ETC门架系统、路侧及服务区全域检测设备对车辆及其行为信息进行采集,通过数据分析与挖掘获得车辆失信类型及次数,搭建信用评价模型实现每台车辆信用评价并按月更新,最终对低信用值车辆开展全过程追踪。
图1为本发明实施例一提供的基于ETC门架系统数据的车辆信用评价系统的实施逻辑流程图。如图1所示,本实施例提供一种基于ETC门架数据的车辆信用评价系统,所述系统由高速公路路侧设备、服务区全域监控设备、信用评价系统和输出系统组成。
所述高速公路路侧设备包括摄像头、雷达、边缘计算单元、语音播放设备、工控机,摄像头采集高速公路行驶车辆视频图像信息;雷达采集高速公路行驶车辆速度、位置信息;边缘计算单元对采集的数据进行快速分析,提高系统时效性;语音播放设备根据信用评价结果对行驶车辆进行定制化语音播放;工控机对路侧设备进行控制。
所述服务区全域监控设备包括出入处卡口、雷视一体机、工控机、计算单元,出入处卡口采集进出服务区的车辆信息,包括车牌号、车型、车身颜色、车辆特征等;雷视一体机对服务区进行全域监测,获得车辆违规停放次数;工控机对监控设备进行控制;计算单元对服务区数据进行处理分析。
所述信用评价系统包括数据分析模块、数据融合模块、车辆行为挖掘模块、信用评价模块、车辆跟踪模块,数据分析模块对ETC门架系统、路侧、服务区全域监控等设备采集到的数据进行分析,获得与信用评价相关的分类数据集合;数据融合模块将各分类数据集结合交通安全、气象等数据进行融合;车辆行为挖掘模块基于融合数据深入挖掘车辆逃费行为方式,并将结果引入信用评价模块;信用评价模块根据数据融合、挖掘结果,对各车辆进行信用评价;车辆跟踪模块根据信用评价结果,当低信用值用户或逃费用户驶入高速公路时,调用沿途设备进行全过程追踪。
所述输出系统包括路侧设备数据输出、服务区设备数据输出、车辆基本信息输出、数据分析结果输出、融合数据输出、车辆信用输出、车辆行驶轨迹输出,路侧设备数据输出以2D模型形式显示设备桩号;服务区设备输出以2D模型形式显示设备安装位置、车辆停放位置以及停放时间;车辆基本信息输出以表格形式输出车牌、车辆持有人、车辆持有物、车辆特征、支付类型、OBU信息等信息;数据分析结果输出以图表形式显示每台车辆各类指标评价行为出现次数;融合数据输出以表格形式逐条显示各车辆融合处理后数据;车辆信用输出显示每台车辆的信用评分、失信类型、失信次数以及具体失信记录,并每月更新一次;车辆行驶轨迹输出支持按车牌、时间查询车辆轨迹及车速。
本实施例提供的车辆信用评价流程如下:
(1)车辆驶入高速公路后,通过ETC门架系统以及路侧的摄像头实时采集车辆行驶过程中图像视频数据,并通过边缘计算单元对车辆车牌、车辆特征等车辆基本信息以及疲劳驾驶、抛洒异物、吸烟及打电话、车道行驶错误、异常停车、打哈欠等行为进行识别与统计;雷达实时采集车辆速度、位置等信息,当发现超速、逆行行为时,调用摄像头进行抓拍并记录。
(2)通过服务区出入口位置安装的卡口识别进入服务区的车辆信息,结合ETC门架及路侧设备数据分析车辆是否存在疲劳驾驶行为;利用雷视一体机对危化品车未停放在专用车位、普通车辆停放在危化品车位的行为进行抓拍并记录。
(3)将ETC门架系统、路侧设备、服务区全域监控设备、交通事故等数据接入信用评价系统,进行融合分析及挖掘并统计失信行为类型及次数。
(4)通过信用评价模型对车辆进行评价并按月更新。
(5)对低信用值或逃费车辆进入高速时,调用ETC门架系统、路侧及服务区设备进行全过程跟踪,并在输出系统中显示车辆行驶轨迹。
本实施例提供的车辆信用评价指标包括逃费、事故、超速、超重、补费、驾驶行为、行驶里程、车辆信息完整度共8个指标,其中,驾驶行为指标由平均车速、瞬时车速、车道行驶错误、抛洒异物、异常停车、逆行、抽烟及打电话、服务区违规停放、疲劳驾驶共9个子指标构成;车辆信息完整度由资质证件、车辆状况、车辆基本信息、人员情况、车辆违规及事故情况共5个子指标构成。具体如表1所示:
表1车辆信息完整度子指标的评价内容
本实施例中,基于信用评价结果对车辆进行行驶偏好分类,针对车速较高或较低的车辆通过路侧播报设备提醒控制速度、针对事故发生次数较高的车辆在事故频发路段加强预警、服务区乱停乱放车辆利用大屏幕进行循环播报、对车辆信用分普遍较低的企业重点关注。
本实施例提供的车辆信用评价方法包括以下步骤:
(1)车辆信用分数C总分为1000,由基础分Cb和附加分Ca两部分组成。其中,Cb根据车型分为5个级别,附加分Ca由8个指标组成;
(2)采用专家主观赋值、基于BP神经网络的信用评价模型评分相结合的方式计算获得权重Mj;
(3)分项计算8个指标的评价分数Cj;
(4)结合权重、Cj计算Ca,具体如下:
其中,Mj∈[0,1]。
本实施例提供的疲劳驾驶行为判断流程如下:
(1)记录车辆驶入高速时间Ti;
(2)记录车辆驶离高速时间To;
(3)依次记录车辆驶入、驶离第n个服务区的时间Ti(n)、To(n);
(4)记录车辆行驶全过程驶入服务区数量m;
(5)判断Ti和To大小,具体如下:
Ht=To-Ti
(6)根据规定,连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟为疲劳驾驶,疲劳驾驶评价方法具体如下:
a)Ht<4小时,无需判断是否存在疲劳驾驶行为;
b)Ht≥4小时,判断是否有停车休息行为,具体如下:
c)若Hn均小于4小时,进一步判断休息时间T是否满足需求,令Ttot为理论休息时间,具体如下:
其中,ceil()表示向上取整。
d)计算车辆实际休息时间Tact,具体如下:
f)比较Ttot和Tact大小,若Tact小于Ttot,则认为存在疲劳驾驶,疲劳驾驶次数f可表示为:
其中,round()为就近取整函数。
g)若Hn>4小时,认为存在疲劳驾驶行为,其次数等于Hn大于4的情况出现个数。
本实施例中,车型分为货车、客车、专用作业车、危化品运输车、免通行费车辆5类。基于历史通行数据计算各类型车辆逃费和事故发生比例,由于逃费与事故发生相关性不高,两者次数应累计,根据发生比例从高到低依次将基础分Cb定为300、325、350、375、400。其中,危化品运输车发生事故造成的危害最大,将其定为300分。
本实施例中,逃费情况Cevf具体方法如下:
(1)令Nevh、Ntoh分别为历史逃费次数、历史出行总次数,建立历史逃费频率指标fevf,具体如下:
其中,Ceil()为向上取整函数。当fevf为0时,表示无历史逃费行为的车辆;fevf为1时,表示历史逃费频率在(0,0.01]之间的车辆,以此类推。
(2)令fevf从0开始取值直至100,依次计算车辆逃费概率提升倍数K,具体如下:
Po为车辆总逃费概率,计算公式如下:
其中,Ntot为当月车辆出行总次数,Noev为当月车辆逃费总次数。
Pab表示在有历史逃费行为的条件下当月发生逃费行为的概率,计算公式如下:
其中,Nevf表示当月通行车辆中有历史逃费行为数量,Nab为有历史逃费行为且当月发生逃费行为的数量。
根据K值并结合实际,调整获得fevf与K的对应关系,具体如下:
K=f1(fevf)
(3)构建逃费情况Cevf指标,具体如下:
Cevf=600×f2(K)
其中,f2()为正向化处理变换关系,Cevf取值范围为(0,1],共有100个级别。
(4)计算新入网用户车辆Cevf(0)分数,并在每个月月底更新。
(5)第m+1个月根据当月车辆逃费行为xi数量进行分类取值,具体可表示为:
(6)xi大于0时,计算历史逃费频率指标fevf并与m月比较,进行取值,具体可表示为:
其中,Cevf(m,j)表示第m月、j级别;n表示实际提升指数。
本实施例中,驾驶行为Cdrb评价方法如下:
(1)各个评价子指标定义如表2所示:
表2各个评价子指标定义
序号 | 行为 | 单位 | 描述 |
1 | 平均车速 | 次 | 平均车速过大或过小 |
2 | 瞬时车速 | 次 | 瞬时车速与平均车速相差过大 |
3 | 车道行驶错误 | 次 | 车型与规定行驶车道不符 |
4 | 抛洒异物 | 次 | 行驶途中随意抛洒异物 |
5 | 异常停车 | 次 | 异常停车次数 |
6 | 逆行 | 次 | 逆行次数 |
7 | 抽烟及打电话 | 次 | 抽烟及打电话次数 |
8 | 服务区违规停放 | 次 | 危化品车未停放在专用车位、普通车辆停放在危化品车位 |
9 | 疲劳驾驶 | 次 | 超时驾驶、打哈欠等次数 |
(2)平均车速表征车速所属区间,平均速度过大或过小均应作为异常行为记录。具体可表示为:
其中,Vavg、Vmin、Vmax分别为车辆平均速度、高速公路路段设定最小行驶速度、高速公路路段设定最大行驶速度。
(3)瞬时车速表征车辆瞬时速度与平均速度差值,相差大说明车速忽慢忽快较不安全,应作为异常行为记录。具体可表示为:
其中,Vavg为车辆瞬时速度。
(4)驾驶行为基础分为600分,通过计算9种行为出现次数及重要程度,采用扣分方式进行赋分。令wi、xi、f(xi)分别为当月第i类行为权重值、出现次数、出现次数的效用函数,权重wi根据各类行为对逃费、事故的影响程度获得,则第一个月Cdrb可以表示为:
其中,wi∈[0,1]。
(5)效用函数通过估算各类行为当月可能出现的最大次数,将实际发生次数与可能最大次数进行比较来计算。具体可表示为:
其中,ximax为当月行为出现最大次数。
(6)若第m+1月车辆失信行为xi大于0,则在第m月基础上累计扣减。具体可表示为:
(7)考虑到车辆会根据信用评价分数规范其驾驶行为,引入调整系数vj,具体可表示为:
当第m+1月车辆各类型失信行为xi等于0时,vj按上式取值,更新Cdrb分数,具体可表示为:
Cdrb(m+1)=600-vj·(600-Cdrb(m))xi=0
本实施例中,补费情况Cmuf评价方法如下:
(1)令Mf、Mo分别表示为总补缴金额、总逃费金额,总补缴金额比例Ptof表示为:
其中,roundn()函数表示保留2位小数。
(2)令Mmuf、Mtof分别表示为车辆已补缴金额、车辆总逃费金额,车辆补缴金额比例Pmuf可表示为:
其中,roundn()函数意义同上。
(3)以Ptof为分界点,比较Pmuf与Ptof大小。当Pmuf=Ptof时,车辆补缴比例与总补缴比例相等。为鼓励逃费用户补缴通行费用,补缴比例越高则权重应越高,同时,无逃费记录车辆应给予满分,有逃费行为车辆即使补缴全部通行费用也不应给予满分,具体如表3所示:
表3 Pmuf与Ptof的比较结果
P<sub>muf</sub> | 0 | 0<P<sub>muf</sub><P<sub>tof</sub> | P<sub>tof</sub> | P<sub>tof</sub><P<sub>muf</sub><1 | 1 | 无逃费行为 |
权重 | 0.01 | F(P<sub>muf</sub>) | 0.25 | F(P<sub>muf</sub>) | 0.85 | 1 |
(4)F(Pmuf)为Pmuf效用函数,应满足随着补缴比例的提高函数斜率逐渐加大的要求。
(5)基于效用函数F(fmuf),构建补费情况Cmuf指标,具体如下:
Cmuf=F(fmuf)×600
(6)每个月计算总补缴金额比例Ptof,并据其调整效用函数更新补费情况Cmuf指标。
本实施例中,行驶里程Cac1评价方法如下:
(1)令ftmt、n表示车辆总行驶里程、入网时间(单位:月),月平均行驶里程指数fam可表示为:
其中,floor()表示向下取整,当fam为0时,表示月平均行驶里程在[0,100)之间的车辆;当fam为1时,表示月平均行驶里程在[100,200)之间的车辆,以此类推。
(2)根据平均权重思想对每一区间赋予一个平均权重,并基于历史通行数据计算综合权重wi。
(3)构建行驶里程Cacl指标,可表示为:
Ccal=wi×fam×600
(4)每个月月底计算fam,并更新行驶里程Cacl指标。
本实施例中,车辆信息完整度Cvii针对不同车型设计不同评价内容,具体如下:
(1)车辆信息完整度从资质证件、车辆状况、车辆基本信息、人员情况、车辆违规及事故情况共5个子指标进行评价;
(2)采用专家主观赋值法,获得各种类型车辆信息完整度Cvii各子指标权重wi及各评价内容分值sj;
(3)构建车辆信息完整度Cvii指标,可表示为:
其中,i、j分别表示第i个子指标、第j项内容。
本实施例中,事故情况、超速情况及超重情况等3个指标与逃费情况Cevf评价方法相同。
本实施例提供一种基于ETC门架系统数据的车辆信用评价系统,该系统包括高速公路路侧设备、服务区全域监控设备、信用评价系统和输出系统,高速公路路侧设备包括摄像头、雷达、边缘计算单元、语音播放设备、工控机,实现高速公路行驶车辆视频图像、车辆速度、位置等信息采集;服务区全域监控设备包括出入处卡口、雷视一体机、工控机、计算单元,实现进出服务区的车辆信息采集、车辆违规停放行为监测;信用评价系统包括数据分析模块、数据融合模块、车辆行为挖掘模块、信用评价模块、车辆跟踪模块,实现对车辆行为数据的分析、融合与挖掘,基于数据开展信用评价与低信用值车辆跟踪;输出系统包括路侧设备数据输出、服务区设备数据输出、车辆基本信息输出、数据分析结果输出、融合数据输出、车辆信用输出、车辆行驶轨迹输出,实现各类数据输出。
本实施例基于ETC门架系统、高速公路路侧设备、服务区全域监控设备对车辆及其行为信息进行采集,通过数据分析与挖掘获得车辆失信类型及次数,搭建信用评价模型实现每台车辆信用评价并按月更新,同时基于信用评价结果对车辆进行行驶偏好分类,对低信用值车辆开展全过程跟踪,有效解决高速公路车辆安全运营、逃费漏费等问题。
实施例二
本实施例提供一种基于ETC门架系统数据的车辆信用评价方法,所述车辆信用评价方法使用实施例一提供的车辆信用评价系统,该系统包括高速公路路侧设备、服务区全域监控设备、信用评价系统和输出系统。本实施例提供的车辆信用评价系统对高速公路通行车辆行为进行分析挖掘,基于车辆失信类型和次数进行车辆信用评价,同时基于信用评价结果对车辆进行行驶偏好分类,对车辆信用分较低用户进行重点关注及行驶全过程追踪,为高速公路运营及管理部门决策提供数据支持,改善高速公路通行秩序。本实施例提供的车辆信用评价方法对低信用值用户重点关注,进而减少安全事故、提高高速公路运营管理单位收费稽查效率。
具体来说,本实施例提供一种基于ETC门架数据的车辆信用评价系统,由高速公路路侧设备、服务区全域监控设备、信用评价系统和输出系统组成。
本实施例提供的高速公路路侧设备包括摄像头、雷达、边缘计算单元、语音播放设备、工控机,摄像头采集高速公路行驶车辆视频图像信息;雷达采集高速公路行驶车辆速度、位置信息;边缘计算单元对采集的数据进行快速分析,提高系统时效性;语音播放设备根据信用评价结果对行驶车辆进行定制化语音播放;工控机对路侧设备进行控制。服务区全域监控设备包括出入处卡口、雷视一体机、工控机、计算单元,出入处卡口采集进出服务区的车辆信息,包括车牌号、车型、车身颜色、车辆特征等;雷视一体机对服务区进行全域监测,获得车辆违规停放次数;工控机对监控设备进行控制;计算单元对服务区数据进行处理分析。信用评价系统包括数据分析模块、数据融合模块、车辆行为挖掘模块、信用评价模块、车辆跟踪模块,数据分析模块对ETC门架系统、路侧、服务区全域监控等设备采集到的数据进行分析,获得与信用评价相关的分类数据集合;数据融合模块将各分类数据集结合交通安全、气象等数据进行融合;车辆行为挖掘模块基于融合数据深入挖掘车辆逃费行为方式,并将结果引入信用评价模块;信用评价模块根据数据融合、挖掘结果,对各车辆进行信用评价;车辆跟踪模块根据信用评价结果,当低信用值用户或逃费用户驶入高速公路时,调用沿途设备进行全过程追踪。输出系统包括路侧设备数据输出、服务区设备数据输出、车辆基本信息输出、数据分析结果输出、融合数据输出、车辆信用输出、车辆行驶轨迹输出,路侧设备数据输出以2D模型形式显示设备桩号;服务区设备输出以2D模型形式显示设备安装位置、车辆停放位置以及停放时间;车辆基本信息输出以表格形式输出车牌、车辆持有人、车辆持有物、车辆特征、支付类型、OBU信息等信息;数据分析结果输出以图表形式显示每台车辆各类指标评价行为出现次数;融合数据输出以表格形式逐条显示各车辆融合处理后数据;车辆信用输出显示每台车辆的信用评分、失信类型、失信次数以及具体失信记录,并每月更新一次;车辆行驶轨迹输出支持按车牌、时间查询车辆轨迹及车速。
本实施例提供的基于ETC门架数据的车辆信用评价流程如下:
车辆驶入高速公路后,通过ETC门架系统以及路侧的摄像头实时采集车辆行驶过程中图像视频数据,并通过边缘计算单元对车辆车牌、车辆特征等车辆基本信息以及疲劳驾驶、抛洒异物、吸烟及打电话、车道行驶错误、异常停车、打哈欠等行为进行识别与统计;雷达实时采集车辆速度、位置等信息,当发现超速、逆行行为时,调用摄像头进行抓拍并记录。
通过服务区出入口位置安装的卡口识别进入服务区的车辆信息,结合ETC门架及路侧设备数据分析车辆是否存在疲劳驾驶行为;利用雷视一体机对危化品车未停放在专用车位、普通车辆停放在危化品车位的行为进行抓拍并记录。
将ETC门架系统、路侧设备、服务区全域监控设备、交通事故等数据接入信用评价系统,进行融合分析及挖掘并统计失信行为类型及次数。
通过信用评价模型对车辆进行评价并按月更新。
对低信用值或逃费车辆进入高速时,调用ETC门架系统、路侧及服务区设备进行全过程跟踪,并在输出系统中显示车辆行驶轨迹。
基于ETC门架数据的车辆信用评价系统及方法,根据信用评价结果对车辆进行行驶偏好分类,针对车速较高或较低的车辆通过路侧播报设备提醒控制速度、针对事故发生次数较高的车辆在事故频发路段加强预警、服务区乱停乱放车辆利用大屏幕进行循环播报、对车辆信用分普遍较低的企业重点关注。
本实施例中,疲劳驾驶行为判断流程如下:
①记录车辆驶入高速时间Ti、记录车辆驶离高速时间To;
②依次记录车辆驶入、驶离第n个服务区的时间Ti(n)、To(n);
③记录车辆行驶全过程驶入服务区数量m;
④判断Ti和To大小,Ht=To-Ti;
⑤疲劳驾驶评价方法,具体如下:
a)Ht<4小时,无需判断是否存在疲劳驾驶行为;
b)Ht≥4小时,判断是否有停车休息行为,具体如下:
c)若Hn均小于4小时,进一步判断休息时间T是否满足需求,令Ttot为理论休息时间,具体如下:
d)计算车辆实际休息时间Tact,具体如下:
f)比较Ttot和Tact大小,若Tact小于Ttot,则认为存在疲劳驾驶,疲劳驾驶次数f可表示为:
g)若Hn>4小时,认为存在疲劳驾驶行为,其次数等于Hn大于4的情况出现个数。
车辆信用评价方法如下:
C=1000=Ca+Cb
基于过去三个月历史通行数据,计算货车、客车、专用作业车、危化品运输车、免通行费车辆逃费与事故发生发生比例之和,根据比例从高到低依次将基础分Cb定为325、350、375、300、400,Ca流程如下:
①采用专家主观赋值、基于BP神经网络的信用评价模型评分相结合的方式计算获得权重Mj;其中,BP神经网络的节点数F为8,输出层节点数Lo为1,隐含层节点数Li为3,初始权值计算公式如下:
②分项计算8个指标的评价分数Cj;
③结合权重、Cj计算Ca,具体如下:
其中,Mj∈[0,1]。
本实施例中,逃费情况、事故情况、超速情况及超重情况计算方法相同,以逃费情况Cevf为例,具体方法如下:
令Nevh、Ntoh分别为历史逃费次数、历史出行总次数,建立历史逃费频率指标fevf,具体如下:
令fevf从0开始取值直至100,依次计算车辆逃费概率提升倍数K,具体如下:
Po为车辆总逃费概率,计算公式如下:
Pab表示在有历史逃费行为的条件下当月发生逃费行为的概率,计算公式如下:
根据过去三个月历史数据,计算fevf与K的对应关系:
对上式进行正向化处理,并构建逃费情况Cevf指标:
Cevf=600×e-0.01K
计算新入网用户车辆Cevf(0)分数,并在每个月月底更新;
第m+1个月根据当月车辆逃费行为xi数量进行分类取值:
xi大于0时,计算历史逃费频率指标fevf并与m月比较,进行取值:
驾驶行为Cdrb评价方法如下:
驾驶行为指标由平均车速、瞬时车速、车道行驶错误、抛洒异物、异常停车、逆行、抽烟及打电话、服务区违规停放、疲劳驾驶9个子指标构成。其中,平均车速表征车速所属区间,平均速度过大或过小均应作为异常行为记录。具体可表示为:
其中,Vavg、Vmin、Vmax分别为车辆平均速度、高速公路路段设定最小行驶速度、高速公路路段设定最大行驶速度。
瞬时车速表征车辆瞬时速度与平均速度差值,相差大说明车速忽慢忽快较不安全,应作为异常行为记录。具体可表示为:
其中,Vavg为车辆瞬时速度。
驾驶行为基础分为600分,通过计算9种行为出现次数及重要程度,采用扣分方式进行赋分。令wi、xi、f(xi)分别为当月第i类行为权重值、出现次数、出现次数的效用函数,权重wi根据各类行为对逃费、事故的影响程度获得,则第一个月Cdrb可以表示为:
其中,wi∈[0,1]。
效用函数通过估算各类行为当月可能出现的最大次数,将实际发生次数与可能最大次数进行比较来计算。具体可表示为:
其中,ximax为当月行为出现最大次数。
若第m+1月车辆失信行为xi大于0,则在第m月基础上累计扣减。具体可表示为:
考虑到车辆会根据信用评价分数规范其驾驶行为,引入调整系数vj,具体可表示为:
当第m+1月车辆各类型失信行为xi等于0时,vj按上式取值,更新Cdrb分数,具体可表示为:
Cdrb(m+1)=600-vj·(600-Cdrb(m))xi=0
本实施例中,补费情况Cmuf评价方法如下:
令Mf、Mo分别表示为总补缴金额、总逃费金额,总补缴金额比例Ptof表示为:
其中,roundn()函数表示保留2位小数。
令Mmuf、Mtof分别表示为车辆已补缴金额、车辆总逃费金额,车辆补缴金额比例Pmuf可表示为:
其中,roundn()函数意义同上。
以Ptof为分界点,比较Pmuf与Ptof大小。
F(Pmuf)为Pmuf效用函数,应满足随着补缴比例的提高函数斜率逐渐加大的要求。基于效用函数F(fmuf),构建补费情况Cmuf指标,具体如下:
Cmuf=F(fmuf)×600
每个月计算总补缴金额比例Ptof,并据其调整效用函数更新补费情况Cmuf指标。
行驶里程Cacl评价方法如下:
令ftmt、n表示车辆总行驶里程、入网时间(单位:月),月平均行驶里程指数fam可表示为:
其中,floor()表示向下取整,当fam为0时,表示月平均行驶里程在[0,100)之间的车辆;当fam为1时,表示月平均行驶里程在[100,200)之间的车辆,以此类推。
根据平均权重思想对每一区间赋予一个平均权重,并基于历史通行数据计算综合权重wi。
构建行驶里程Cacl指标,可表示为:
Ccal=wi×fam×600
每个月月底计算fam,并更新行驶里程Cacl指标。
实施例一提供的表1所示为各类型车辆信息完整度Cvii子指标的评价内容,采用专家主观赋值法,获得各种类型车辆信息完整度Cvii各子指标权重wi及各评价内容分值sj;构建车辆信息完整度Cvii指标,可表示为:
其中,i、j分别表示第i个子指标、第j项内容。
本实施例提供一种基于ETC门架系统数据的车辆信用评价方法,该方法使用上述系统,该系统包括高速公路路侧设备、服务区全域监控设备、信用评价系统和输出系统,高速公路路侧设备包括摄像头、雷达、边缘计算单元、语音播放设备、工控机,实现高速公路行驶车辆视频图像、车辆速度、位置等信息采集;服务区全域监控设备包括出入处卡口、雷视一体机、工控机、计算单元,实现进出服务区的车辆信息采集、车辆违规停放行为监测;信用评价系统包括数据分析模块、数据融合模块、车辆行为挖掘模块、信用评价模块、车辆跟踪模块,实现对车辆行为数据的分析、融合与挖掘,基于数据开展信用评价与低信用值车辆跟踪;输出系统包括路侧设备数据输出、服务区设备数据输出、车辆基本信息输出、数据分析结果输出、融合数据输出、车辆信用输出、车辆行驶轨迹输出,实现各类数据输出。
本实施例基于ETC门架系统、高速公路路侧设备、服务区全域监控设备对车辆及其行为信息进行采集,通过数据分析与挖掘获得车辆失信类型及次数,搭建信用评价模型实现每台车辆信用评价并按月更新,同时基于信用评价结果对车辆进行行驶偏好分类,对低信用值车辆开展全过程跟踪,有效解决高速公路车辆安全运营、逃费漏费等问题。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种基于ETC门架系统数据的车辆信用评价系统,其特征在于,包括高速公路路侧设备、服务区全域监控设备、信用评价系统和输出系统;
所述高速公路路侧设备包括摄像头、雷达、边缘计算单元、语音播放设备、高速公路工控机,所述摄像头用于采集高速公路行驶车辆视频图像信息,所述雷达用于采集高速公路行驶车辆速度和位置信息,所述边缘计算单元用于对采集的数据进行分析,所述语音播放设备用于根据信用评价结果对行驶车辆进行定制化语音播放,所述高速公路工控机用于对所述高速公路路侧设备进行控制;
所述服务区全域监控设备包括出入处卡口、雷视一体机、服务区工控机、计算单元,所述出入处卡口用于采集进出服务区的车辆信息,所述车辆信息包括车牌号、车型、车身颜色、车辆特征,所述雷视一体机用于对服务区进行全域监测,获得车辆违规停放次数,所述服务区工控机用于对所述服务区全域监控设备进行控制,所述计算单元用于对服务区数据进行分析处理;
所述信用评价系统包括数据分析模块、数据融合模块、车辆行为挖掘模块、信用评价模块、车辆跟踪模块,所述数据分析模块用于对所述ETC门架系统、所述高速公路路侧设备、所述服务区全域监控设备采集到的数据进行分析,获得与信用评价相关的分类数据集合,所述数据融合模块用于将各个分类数据集结合交通安全数据、气象数据进行融合,所述车辆行为挖掘模块用于基于融合数据深入挖掘车辆逃费行为方式,将挖掘结果引入所述信用评价模块,所述信用评价模块用于根据数据融合和挖掘的结果,对各个车辆进行信用评价,所述车辆跟踪模块用于根据信用评价结果,当低信用值用户或逃费用户驶入高速公路时,调用沿途设备进行全过程追踪;
所述输出系统包括路侧设备数据输出、服务区设备数据输出、车辆基本信息输出、数据分析结果输出、融合数据输出、车辆信用输出、车辆行驶轨迹输出,所述路侧设备数据输出用于以2D模型形式显示设备桩号,所述服务区设备用于输出以2D模型形式显示设备安装位置、车辆停放位置以及停放时间,所述车辆基本信息输出用于以表格形式输出车牌、车辆持有人、车辆持有物、车辆特征、支付类型、OBU信息,所述数据分析结果输出用于以图表形式显示每台车辆各类指标评价行为出现的次数,所述融合数据输出用于以表格形式逐条显示各个车辆融合处理后的数据,所述车辆信用输出用于显示每台车辆的信用评分、失信类型、失信次数以及具体失信记录,而且每月更新一次,所述车辆行驶轨迹输出用于支持按车牌或时间查询车辆轨迹和车辆速度。
2.根据权利要求1所述的基于ETC门架系统数据的车辆信用评价系统,其特征在于,车辆信用评价指标包括逃费、事故、超速、超重、补费、驾驶行为、行驶里程、车辆信息完整度,所述驾驶行为包括平均车速、瞬时车速、车道行驶错误、抛洒异物、异常停车、逆行、抽烟及打电话、服务区违规停放、疲劳驾驶,所述车辆信息完整度包括资质证件、车辆状况、车辆基本信息、人员情况、车辆违规和事故情况;
基于信用评价结果对车辆进行行驶偏好分类,对车速较高或较低的车辆通过路侧播报设备提醒控制速度,对事故发生次数较高的车辆在事故频发路段加强预警,对服务区乱停乱放车辆利用大屏幕进行循环播报,对车辆信用分普遍较低的企业重点关注;
所述车型包括货车、客车、专用作业车、危化品运输车、免通行费车辆。
3.一种基于ETC门架系统数据的车辆信用评价方法,其特征在于,所述车辆信用评价方法使用权利要求1-2任一所述的车辆信用评价系统,包括:
车辆驶入高速公路后,通过ETC门架系统以及高速公路路侧的摄像头实时采集车辆行驶过程中的图像视频数据,通过边缘计算单元对车辆基本信息和驾驶员异常行为进行识别与统计,所述车辆基本信息包括车辆车牌、车辆特征,所述驾驶员异常行为包括疲劳驾驶、抛洒异物、吸烟、打电话、车道行驶错误、异常停车、打哈欠,雷达实时采集车辆速度信息、车辆位置信息,当发现超速行为或逆行行为时,调用摄像头进行抓拍和记录;
通过服务区出入口位置安装的卡口识别进入服务区的车辆信息,结合ETC门架系统和高速公路路侧设备进行数据分析车辆是否存在疲劳驾驶行为,利用雷视一体机对危化品车未停放在专用车位、普通车辆停放在危化品车位的行为进行抓拍和记录;
将ETC门架系统、高速公路路侧设备、服务区全域监控设备、交通事故的数据接入信用评价系统,进行融合分析,挖掘和统计失信行为的类型和次数;
通过信用评价模型对车辆进行评价,按月更新上述评价;
当低信用值或逃费车辆进入高速时,调用ETC门架系统、高速公路路侧设备、服务区全域监控设备进行全过程跟踪,在输出系统中显示车辆行驶轨迹。
5.根据权利要求4所述的基于ETC门架系统数据的车辆信用评价方法,其特征在于,还包括判断疲劳驾驶行为的步骤,所述判断疲劳驾驶行为的步骤包括:
记录车辆驶入高速时间Ti;
记录车辆驶离高速时间To;
记录车辆驶入第n个服务区的时间Ti(n),记录车辆驶离第n个服务区的时间To(n);
记录车辆行驶全过程驶入服务区数量m;
判断Ti和To的大小,表达式如下:
Ht=To-Ti
若连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟,判断为疲劳驾驶,判断疲劳驾驶的步骤包括:
若Ht<4小时,无需判断是否存在疲劳驾驶行为;
若Ht≥4小时,判断是否存在停车休息行为,表达式如下:
若Hn均小于4小时,判断休息时间T是否满足需求,设置Ttot为理论休息时间,表达式如下:
其中,ceil()表示向上取整;
计算车辆实际休息时间Tact,表达式如下:
比较Ttot和Tact的大小,若Tact小于Ttot,判断为存在疲劳驾驶,疲劳驾驶次数f的表达式为:
其中,round()为就近取整函数;
若Hn>4小时,判断为存在疲劳驾驶行为,疲劳驾驶行为的次数等于Hn大于4的情况出现的个数。
6.根据权利要求5所述的基于ETC门架系统数据的车辆信用评价方法,其特征在于,还包括判断逃费情况Cevf的步骤,所述判断逃费情况Cevf的步骤包括:
设置Nevh为历史逃费次数,Ntoh为历史出行总次数,计算历史逃费频率指标fevf,表达式如下:
其中,Ceil()为向上取整函数,当fevf为0时,表示无历史逃费行为的车辆,当fevf为1时,表示历史逃费频率在(0,0.01]之间的车辆;
设置fevf从0开始取值直至100,依次计算车辆逃费概率提升倍数K,表达式如下:
Po为车辆总逃费概率,表达式如下:
其中,Ntot为当月车辆出行总次数,Noev为当月车辆逃费总次数;
Pab表示在有历史逃费行为的条件下当月发生逃费行为的概率,表达式如下:
其中,Nevf表示当月通行车辆中有历史逃费行为数量,Nab为有历史逃费行为且当月发生逃费行为的数量;
根据K值结合实际,调整获得fevf与K的对应关系,表达式如下:
K=f1(fevf)
构建逃费情况Cevf指标,表达式如下:
Cevf=600×f2(K)
其中,f2()为正向化处理变换关系,Cevf取值范围为(0,1],共有100个级别;
计算新入网用户车辆Cevf(0)分数,在每个月的月底更新上述分数;
第m+1个月根据当月车辆逃费行为xi数量进行分类取值,表达式如下:
当xi大于0时,计算历史逃费频率指标fevf,将历史逃费频率指标fevf与m月进行比较和取值,表达式如下:
其中,Cevf(m,j)表示第m月第j级别,n表示实际提升指数。
7.根据权利要求6所述的基于ETC门架系统数据的车辆信用评价方法,其特征在于,还包括评价驾驶行为Cdrb的步骤,所述评价驾驶行为Cdrb的步骤包括:
定义各个评价子指标;
使用平均车速表征车速所属区间,平均速度过大或过小均应作为异常行为记录,表达式如下:
其中,Vavg为车辆平均速度,Vmin为高速公路路段设定最小行驶速度,Vmax为高速公路路段设定最大行驶速度;
使用瞬时车速表征车辆瞬时速度与平均速度差值,相差大表示车速忽慢忽快较不安全,应作为异常行为记录,表达式如下:
其中,Vavg为车辆瞬时速度;
驾驶行为基础分为600分,通过计算9种行为出现次数和重要程度,使用扣分方式进行赋分,设置wi为当月第i类行为权重值,xi为当月第i类行为出现次数,f(xi)为当月第i类行为出现次数的效用函数,权重wi根据各类行为对逃费和事故的影响程度获得,第一个月Cdrb的表达式如下:
其中,wi∈[0,1];
效用函数通过估算各类行为当月可能出现的最大次数,将实际发生次数与可能最大次数进行比较计算,表达式如下:
其中,ximax为当月行为出现最大次数;
若第m+1月车辆失信行为xi大于0,在第m月基础上累计扣减,表达式如下:
考虑到车辆会根据信用评价分数规范其驾驶行为,引入调整系数vj,表达式如下:
当第m+1月车辆各类型失信行为xi等于0时,vj根据上式取值,更新Cdrb分数,表达式如下:
Cdrb(m+1)=600-vj·(600-Cdrb(m))xi=0。
8.根据权利要求7所述的基于ETC门架系统数据的车辆信用评价方法,其特征在于,还包括评价补费情况Cmuf的步骤,所述评价补费情况Cmuf的步骤包括:
设置Mf表示总补缴金额,Mo表示总逃费金额,总补缴金额比例Ptof的表达式如下:
其中,roundn()表示保留2位小数;
设置Mmuf表示车辆已补缴金额,Mtof表示车辆总逃费金额,车辆补缴金额比例Pmuf的表达式如下:
以Ptof为分界点,比较Pmuf与Ptof的大小,当Pmuf=Ptof时,车辆补缴比例与总补缴比例相等,补缴比例越高,权重越高,无逃费记录车辆给予满分,存在逃费行为车辆而且补缴全部通行费用不给予满分;
F(Pmuf)为Pmuf效用函数,F(Pmuf)满足随着补缴比例的提高函数斜率逐渐加大的要求,基于效用函数F(fmuf),构建补费情况Cmuf指标,表达式如下:
Cmuf=F(fmuf)×600
每个月计算总补缴金额比例Ptof,根据所述总补缴金额比例Ptof调整效用函数更新补费情况Cmuf指标。
9.根据权利要求8所述的基于ETC门架系统数据的车辆信用评价方法,其特征在于,还包括评价行驶里程Cacl的步骤,所述评价行驶里程Cacl的步骤包括:
设置ftmt表示车辆总行驶里程,n表示入网时间,月平均行驶里程指数fam的表达式如下:
其中,floor()表示向下取整,当fam为0时,表示月平均行驶里程在[0,100)之间的车辆,当fam为1时,表示月平均行驶里程在[100,200)之间的车辆;
根据平均权重方法对每一区间赋予一个平均权重,基于历史通行数据计算综合权重wi,构建行驶里程Cacl指标,表达式如下:
Ccal=wi×fam×600
每个月的月底计算fam,更新行驶里程Cacl指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110723456.0A CN113570195A (zh) | 2021-06-28 | 2021-06-28 | 基于etc门架系统数据的车辆信用评价系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110723456.0A CN113570195A (zh) | 2021-06-28 | 2021-06-28 | 基于etc门架系统数据的车辆信用评价系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113570195A true CN113570195A (zh) | 2021-10-29 |
Family
ID=78162906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110723456.0A Withdrawn CN113570195A (zh) | 2021-06-28 | 2021-06-28 | 基于etc门架系统数据的车辆信用评价系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570195A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114550465A (zh) * | 2022-04-26 | 2022-05-27 | 四川北斗云联科技有限公司 | 一种危险品运输车的高速公路管理系统 |
CN115731707A (zh) * | 2022-11-14 | 2023-03-03 | 东南大学 | 一种高速公路车辆交通控制方法和系统 |
CN116403297A (zh) * | 2022-12-19 | 2023-07-07 | 广州柏瀚信息科技有限公司 | 一种高速公路黑名单车辆拦截方法及装置 |
WO2023203391A1 (en) * | 2022-04-21 | 2023-10-26 | Senjam Nongdrenkhomba Singh | A system and a method for monitoring vehicle speed and enforcing an anti-speeding code for minimization of speeding-driven accidents |
CN117558071A (zh) * | 2024-01-11 | 2024-02-13 | 四川成渝高速公路股份有限公司 | 一种高速公路出入车辆稽查方法及系统 |
CN117575326A (zh) * | 2023-12-05 | 2024-02-20 | 成都和乐信软件有限公司 | 基于门架及应急数据的车辆安全指数评价方法 |
-
2021
- 2021-06-28 CN CN202110723456.0A patent/CN113570195A/zh not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023203391A1 (en) * | 2022-04-21 | 2023-10-26 | Senjam Nongdrenkhomba Singh | A system and a method for monitoring vehicle speed and enforcing an anti-speeding code for minimization of speeding-driven accidents |
CN114550465A (zh) * | 2022-04-26 | 2022-05-27 | 四川北斗云联科技有限公司 | 一种危险品运输车的高速公路管理系统 |
CN114550465B (zh) * | 2022-04-26 | 2022-07-08 | 四川北斗云联科技有限公司 | 一种危险品运输车的高速公路管理系统 |
CN115731707A (zh) * | 2022-11-14 | 2023-03-03 | 东南大学 | 一种高速公路车辆交通控制方法和系统 |
CN115731707B (zh) * | 2022-11-14 | 2024-03-19 | 东南大学 | 一种高速公路车辆交通控制方法和系统 |
CN116403297A (zh) * | 2022-12-19 | 2023-07-07 | 广州柏瀚信息科技有限公司 | 一种高速公路黑名单车辆拦截方法及装置 |
CN117575326A (zh) * | 2023-12-05 | 2024-02-20 | 成都和乐信软件有限公司 | 基于门架及应急数据的车辆安全指数评价方法 |
CN117558071A (zh) * | 2024-01-11 | 2024-02-13 | 四川成渝高速公路股份有限公司 | 一种高速公路出入车辆稽查方法及系统 |
CN117558071B (zh) * | 2024-01-11 | 2024-04-05 | 四川成渝高速公路股份有限公司 | 一种高速公路出入车辆稽查方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113570195A (zh) | 基于etc门架系统数据的车辆信用评价系统及方法 | |
CN109416879B (zh) | 一种优先短停的泊位分级动态定价方法 | |
JP4677453B2 (ja) | 道路利用料課金用データを収集し処理するための方法、コンピュータプログラム、およびシステム | |
US8577703B2 (en) | System and method for categorizing driving behavior using driver mentoring and/or monitoring equipment to determine an underwriting risk | |
US8321264B2 (en) | Method and apparatus for displaying toll charging parameters | |
CN108597043B (zh) | 高速公路预支付不停车收费方法及系统 | |
CN106846153A (zh) | 一种车险赔付方法及系统 | |
CN112687099B (zh) | 一种超载嫌疑车辆判定方法和装置 | |
CN112738769A (zh) | 一种基于v2x防止etc车道跟车干扰的方法及系统 | |
CN110704731B (zh) | 一种充电桩链式推荐方法和装置 | |
CN116895103A (zh) | 一种基于高速复合通行卡的缴费方法、系统及电子设备 | |
CN112447042A (zh) | 交通事件侦测系统及方法 | |
US11915526B2 (en) | Charging system | |
Schultz et al. | I-15 express lanes study, phase II: recommendations. | |
Tanaka | Travel-time data provision system using vehicle license number recognition devices | |
CN106355872A (zh) | 一种智能公交管理系统及应用 | |
Heidtman et al. | Improved vehicle occupancy data collection methods | |
Sándor et al. | Traffic Analysis of Specific Motorways with Different Usage Characteristics in Hungary with the Method of Section Control | |
CN117592788B (zh) | 一种公交运行风险的识别方法及装置 | |
Palakurthy et al. | Trip generation rates at park-and-ride facilities with regional bus and light rail service: A supplement to ITE trip generation data | |
CN108182805A (zh) | 一种基于信疑双基建模的高速公路车辆监控管理方法 | |
CN117558071B (zh) | 一种高速公路出入车辆稽查方法及系统 | |
CN110992518B (zh) | 驾驶员风险评价系统及方法 | |
CN116311933B (zh) | 一种饮用水水源地交通穿越风险管理方法及系统 | |
CN215182142U (zh) | 一种高速公路票亭收费辅助系统 |
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: 20211029 |
|
WW01 | Invention patent application withdrawn after publication |