CN115599836A - 一种基于时间序列高速公路跨省逃费车辆关联挖掘方法 - Google Patents

Abstract

本发明涉及高速公路电子收费技术领域，更具体地，涉及一种基于时间序列高速公路跨省逃费车辆关联挖掘方法，包括以下步骤：获取高速公路中所有出口流水数据、门架交易流水数据、入口流水数据；选择基础特征参数字段；构建时间序列历史特征；基于门架交易流水数据得到省界特征项目集C1；基于省界标识特征项目集C1依次进行时间序列历史特征、自相关性特征计算，得出计算结果集C2；基于结果集C2进行时间序列聚合特征计算，得出跨省车辆入省时间结果集C3；基于跨省车辆入省时间结果集C3与出口流水数据进行交叉特征计算，得出计算结果集C4，本发明首次在高速公路收费业务上，通过利用门架数据进行分析，能够快速、灵活、准确地识别跨省通行费偷逃行为。

Description

一种基于时间序列高速公路跨省逃费车辆关联挖掘方法

技术领域

本发明涉及高速公路电子收费技术领域，更具体地，涉及一种基于时间序列高速公路跨省逃费车辆关联挖掘方法。

背景技术

为维护高速公路正常收费秩序和公平缴费环境，进一步加强通行费征收管理，有效防范和遏制偷逃漏通行费行为，保证严格按照收费标准依法依规收费，迫在眉睫。

虽然，管理部门积极采取一些控制手段，但在实践中依然缺少有效的解决方案，尤其是在主动发现偷逃通行费嫌疑车辆的这一环节没有高效的办法，通常通过人力查询的方式进行，效果极其低下，而随着全国取消省界收费站采用门架分段计费，分段结算的方式后，原有的打逃机制和打逃工具纷纷失效，再加上偷逃的手法也发生了变化，原有的防控技术基本处于瘫痪重建的状态。

全国取消高速省界收费站，实行全面联网收费后，出现“跨省逃费”较为隐晦，具体表现为车主滞留一张或多张CPC卡，在出高速时，利用之前滞留的CPC卡出高速，以实现“倒换CPC卡”式逃费，或者跨省行程但出入口省份为同一个省份，则利用系统按照最短路径拟合的计费方式，达到少缴通行费的目的，此类方式在现行实际工作中没有找到行之有效的解决办法。

因此，提出一种解决上述问题的基于时间序列高速公路跨省逃费车辆关联挖掘方法实为必要。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷(不足)，提供一种基于时间序列高速公路跨省逃费车辆关联挖掘方法。

为解决上述技术问题，本发明的技术方案如下：一种基于时间序列高速公路跨省逃费车辆关联挖掘方法，包括以下步骤：

步骤S1,获取高速公路中所有的出口流水数据、门架交易流水数据和入口流水数据；

步骤S2，基于步骤1中的出口流水数据、门架交易流水数据和入口流水数据，选择基础特征参数字段，构建出新的出口流水数据、门架交易流水数据和入口流水数据；

步骤S3，通过时间序列计算构建时间序列历史特征；

步骤S4,基于步骤S2中新的门架交易流水数据得到省界特征项目集 C1；

步骤S5,基于步骤S4中省界标识特征项目集C1依次进行时间序列历史特征、自相关性特征计算，得出计算结果集C2。

步骤S6、基于步骤S5中结果集C2进行时间序列聚合特征计算，得出跨省车辆入省时间结果集C3；

步骤S7、基于步骤S6中跨省车辆入省时间结果集C3与新的出口流水数据进行交叉特征计算，得出计算结果集C4；若跨省车辆出入省界时间与历史行程出入口时间存在交叉现象，则判定该车辆为偷逃高速通行费嫌疑车辆。

进一步的，所述步骤S1中，入口流水数据、门架交易流水数据、出口流水数据均为车辆在高速公路行驶时，龙门架设备及收费站设备对车辆实际交互获得记录的数据。

更进一步的，所述步骤S1中，入口流水数据、门架交易流水数据、出口流水数据均无省外数据记录，均为同一个省的数据。

进一步的，所述步骤S2中，所述出口流水数据包括出口通行标识、出口车牌和出口时间，所述门架交易流水数据包括门架流水数据中的通行标识、门架ID、通过门架的车牌、门架交易时间、门架类型，所述入口流水数据包括括入口通行标识、入口车牌和入口时间。

更进一步的，所述步骤S3中，通过时间序列构建时间序列历史特征，通过滑动窗口算法对时间序列计算，该结果为阈值特征X1，建立公式：

其中集合Ci是指具有时间序列的数据流，i＝1,2…i，X1为滑动窗口后计算差值。

进一步的，所述步骤S4中，通过对步骤S2中基础特征选择，设定自身相关性特征X1阈值：X1∈{x1|x1>8*3600，x∈R},并通过对门架数据中门架类型字段选择出入省界标识，结果在预设阈值内，便归纳于省界特征项目集C1中。

更进一步的，所述步骤S5中，建立自相关性特征计算公式：

γ(t,s)＝E(X-μ)(X-μ)，定义ρ(t,s)为时间序列{X}的自相关系数，简记为ACF；

ρ(t,s)＝γ(t,s)/(DX×DX)^0.5，其中，E表示数学期望，D表示方差，通过将行程下的门架交易流水根据X1特征切分两部分，根据时序计算出自相关系数，衡量门架交易流水的时序差异性，交易时间稳定性，进而判断该行程是否为连续驾驶，得出计算结果集C2，其中集合Ci是指具有时间序列的数据流，i，h＝1,2…i；

X1为滑动窗口后计算差值。

进一步的，所述步骤S6中，基于含有省界标识的项目集C2，通过时间序列对交易失败的出入省门架类型进行聚合，并通过Max函数计算出入省时间，若入省标识门架未与通行介质交互，则按时序平移一个单位，获取门架交易时间作为入省门架交易时间T1，进而得到具有入省省界交易时间项目集C3。

更进一步的，所述步骤S7中，基于项目集C3获取到入省门架交易时间T1，选择通行标识字段进行关联出入口数据，进一步进行C3入省门架时间T1与出入口时间进行交叉关联，交叉关联结果判定入省门架时间 T1小于该车下一次的入口时间，说明逃费，驾驶UJ型路线偷逃高速通行费。

与现有技术相比，本发明技术方案的有益效果是：

本发明公开的基于时间序列高速公路跨省逃费车辆关联挖掘方法，首次在高速公路收费业务上，通过利用门架数据进行分析，能够快速、灵活、准确地识别跨省通行费偷逃行为，而通过采集门架数据，使识别方式具有物理数据支持，其中，数据中并无省外数据，基于门架时间序列、出入省时间以及车辆历史行程判定省外行程，通过阈值进行判定，算法计算匹配计算结果得出行程每次入省后的出高速方式，能针对各路段情况进行处理，具有广泛适应弹性。

附图说明

图1是本发明中基于时间序列高速公路跨省逃费车辆关联挖掘方法的流程图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以是通过中间媒介间接连接，可以说两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明的具体含义。下面结合附图和实施例对本发明的技术方案做进一步的说明。

如图1所示，一种基于时间序列高速公路跨省逃费车辆关联挖掘方法，包括以下步骤：

步骤S1,获取高速公路中所有的出口流水数据、门架交易流水数据和入口流水数据；

步骤S2，基于步骤1中的出口流水数据、门架交易流水数据和入口流水数据，选择基础特征参数字段，构建出新的出口流水数据、门架交易流水数据和入口流水数据；

步骤S3，通过时间序列计算构建时间序列历史特征；

步骤S4,基于步骤S2中新的门架交易流水数据得到省界特征项目集 C1；

步骤S5,基于步骤S4中省界标识特征项目集C1依次进行时间序列历史特征、自相关性特征计算，得出计算结果集C2。

步骤S6、基于步骤S5中结果集C2进行时间序列聚合特征计算，得出跨省车辆入省时间结果集C3；

步骤S7、基于步骤S6中跨省车辆入省时间结果集C3与新的出口流水数据进行交叉特征计算，得出计算结果集C4；若跨省车辆出入省界时间与历史行程出入口时间存在交叉现象，则判定该车辆为偷逃高速通行费嫌疑车辆。

在步骤S1中，入口流水数据、门架交易流水数据、出口流水数据均为车辆在高速公路行驶时，龙门架设备及收费站设备对车辆实际交互获得记录的数据，其中，在步骤S1中，入口流水数据、门架交易流水数据、出口流水数据均无省外数据记录，均为同一个省的数据。

在步骤S2中，出口流水数据包括出口通行标识、出口车牌和出口时间，门架交易流水数据包括门架流水数据中的通行标识、门架ID、通过门架的车牌、门架交易时间、门架类型，所述入口流水数据包括括入口通行标识、入口车牌和入口时间，其中，在步骤S3中，通过时间序列构建时间序列历史特征，通过滑动窗口算法对时间序列计算，该结果为阈值特征X1，建立公式：

其中集合Ci是指具有时间序列的数据流，i＝1,2…i，X1为滑动窗口后计算差值。

而在步骤S4中，通过对步骤S2中基础特征选择，设定自身相关性特征X1阈值：X1∈{x1|x1>8*3600，x∈R},并通过对门架数据中门架类型字段选择出入省界标识，结果在预设阈值内，便归纳于省界特征项目集C1中，而在步骤S5中，建立自相关性特征计算公式：

γ(t,s)＝E(X-μ)(X-μ)，定义ρ(t,s)为时间序列{X}的自相关系数，简记为ACF；

ρ(t,s)＝γ(t,s)/(DX×DX)^0.5，其中，E表示数学期望，D表示方差，通过将行程下的门架交易流水根据X1特征切分两部分，根据时序计算出自相关系数，衡量门架交易流水的时序差异性，交易时间稳定性，进而判断该行程是否为连续驾驶，得出计算结果集C2，其中集合Ci是指具有时间序列的数据流，i，h＝1,2…i；

X1为滑动窗口后计算差值。

在本发明的步骤S6中，基于含有省界标识的项目集C2，通过时间序列对交易失败的出入省门架类型进行聚合，并通过Max函数计算出入省时间，若入省标识门架未与通行介质交互，则按时序平移一个单位，获取门架交易时间作为入省门架交易时间T1。进而得到具有入省省界交易时间项目集C3，此外，在步骤S7中，基于项目集C3获取到入省门架交易时间T1，选择通行标识字段进行关联出入口数据，进一步进行C3入省门架时间T1与出入口时间进行交叉关联，交叉关联结果判定入省门架时间T1小于该车下一次的入口时间，说明逃费，驾驶UJ型路线偷逃高速通行费。

实施例

在本实施例中，当需要对跨省逃费的车辆进行关联挖掘时，首先，对高速公路中所有的出口流水数据、门架交易流水数据和入口流水数据进行获取，这些均为车辆在高速公路行驶时，龙门架设备及收费站设备对车辆实际交互获得记录的数据。

在对出口流水数据、门架交易流水数据和入口流水数据获取后，选择基础特征参数字段，如车牌，构建出新的出口流水数据、门架交易流水数据和入口流水数据，若入口流水数据、门架交易流水数据、出口流水数据均无省外数据记录，则均为同一个省的数据，若有外省的数据，则车辆在行驶过程中，涉嫌出省。

在新的出口流水数据、门架交易流水数据和入口流水数据构建后，通过时间序列构建时间序列历史特征，通过滑动窗口算法对时间序列计算，该结果为阈值特征X1，建立公式：

其中集合Ci是指具有时间序列的数据流，i＝1,2…i，X1为滑动窗口后计算差值，再通过对基础特征进行选择，设定自身相关性特征X1阈值：X1∈{x1|x1>8*3600，x∈R},并通过对门架数据中门架类型字段选择出入省界标识，如果结果在预设阈值内，便归纳于省界特征项目集C1 中。

在省界特征项目集C1归纳后，通过省界标识特征项目集C1依次进行时间序列历史特征、自相关性特征计算，建立自相关性特征计算公式：

γ(t,s)＝E(X-μ)(X-μ)，定义ρ(t,s)为时间序列{X}的自相关系数，简记为ACF；

ρ(t,s)＝γ(t,s)/(DX×DX)^0.5，其中，E表示数学期望，D表示方差，通过将行程下的门架交易流水根据X1特征切分两部分，根据时序计算出自相关系数，衡量门架交易流水的时序差异性，交易时间稳定性，进而判断该行程是否为连续驾驶，得出计算结果集C2，其中集合Ci是指具有时间序列的数据流，i，h＝1,2…i；X1为滑动窗口后计算差值，并基于含有省界标识的项目集C2，通过时间序列对交易失败的出入省门架类型进行聚合，并通过Max函数计算出入省时间，若入省标识门架未与通行介质交互，则按时序平移一个单位，获取门架交易时间作为入省门架交易时间T1，进而得到具有入省省界交易时间项目集C3，最后，基于项目集C3获取到入省门架交易时间T1，选择通行标识字段进行关联出入口数据，进一步进行C3入省门架时间T1与出入口时间进行交叉关联，交叉关联结果判定入省门架时间T1小于该车下一次的入口时间，说明逃费，驾驶UJ型路线偷逃高速通行费。

图中，描述位置关系仅用于示例性说明，不能理解为对本专利的限制；显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (9)

1.一种基于时间序列高速公路跨省逃费车辆关联挖掘方法，其特征在于，包括以下步骤：

步骤S1,获取高速公路中所有的出口流水数据、门架交易流水数据和入口流水数据；

步骤S2，基于步骤1中的出口流水数据、门架交易流水数据和入口流水数据，选择基础特征参数字段，构建出新的出口流水数据、门架交易流水数据和入口流水数据；

步骤S3，通过时间序列计算构建时间序列历史特征；

步骤S4,基于步骤S2中新的门架交易流水数据得到省界特征项目集C1；

步骤S5,基于步骤S4中省界标识特征项目集C1依次进行时间序列历史特征、自相关性特征计算，得出计算结果集C2。

步骤S6、基于步骤S5中结果集C2进行时间序列聚合特征计算，得出跨省车辆入省时间结果集C3；

步骤S7、基于步骤S6中跨省车辆入省时间结果集C3与新的出口流水数据进行交叉特征计算，得出计算结果集C4；若跨省车辆出入省界时间与历史行程出入口时间存在交叉现象，则判定该车辆为偷逃高速通行费嫌疑车辆。

2.根据权利要求1所述的基于时间序列高速公路跨省逃费车辆关联挖掘方法，其特征在于，所述步骤S1中，入口流水数据、门架交易流水数据、出口流水数据均为车辆在高速公路行驶时，龙门架设备及收费站设备对车辆实际交互获得记录的数据。

3.根据权利要求1所述的基于时间序列高速公路跨省逃费车辆关联挖掘方法，其特征在于，所述步骤S1中，入口流水数据、门架交易流水数据、出口流水数据均无省外数据记录，均为同一个省的数据。

4.根据权利要求1所述的基于时间序列高速公路跨省逃费车辆关联挖掘方法，其特征在于，所述步骤S2中，所述出口流水数据包括出口通行标识、出口车牌和出口时间，所述门架交易流水数据包括门架流水数据中的通行标识、门架ID、通过门架的车牌、门架交易时间、门架类型，所述入口流水数据包括括入口通行标识、入口车牌和入口时间。

5.根据权利要求1所述的基于时间序列高速公路跨省逃费车辆关联挖掘方法，其特征在于，所述步骤S3中，通过时间序列构建时间序列历史特征，通过滑动窗口算法对时间序列计算，该结果为阈值特征X1，建立公式：

其中集合Ci是指具有时间序列的数据流，i＝1,2…i，X1为滑动窗口后计算差值。

6.根据权利要求5所述的基于时间序列高速公路跨省逃费车辆关联挖掘方法，其特征在于，所述步骤S4中，通过对步骤S2中基础特征选择，设定自身相关性特征X1阈值：X1∈{x1|x1>8*3600，x∈R},并通过对门架数据中门架类型字段选择出入省界标识，结果在预设阈值内，便归纳于省界特征项目集C1中。

7.根据权利要求1所述的基于时间序列高速公路跨省逃费车辆关联挖掘方法，其特征在于，所述步骤S5中，建立自相关性特征计算公式：

γ(t,s)＝E(X-μ)(X-μ)，定义ρ(t,s)为时间序列{X}的自相关系数，简记为ACF；

ρ(t,s)＝γ(t,s)/(DX×DX)^0.5，其中，E表示数学期望，D表示方差，通过将行程下的门架交易流水根据X1特征切分两部分，根据时序计算出自相关系数，衡量门架交易流水的时序差异性，交易时间稳定性，进而判断该行程是否为连续驾驶，得出计算结果集C2，其中集合Ci是指具有时间序列的数据流，i，h＝1,2…i；

X1为滑动窗口后计算差值。

8.根据权利要求1所述的基于时间序列高速公路跨省逃费车辆关联挖掘方法，其特征在于，所述步骤S6中，基于含有省界标识的项目集C2，通过时间序列对交易失败的出入省门架类型进行聚合，并通过Max函数计算出入省时间，若入省标识门架未与通行介质交互，则按时序平移一个单位，获取门架交易时间作为入省门架交易时间T1，进而得到具有入省省界交易时间项目集C3。

9.根据权利要求1所述的基于时间序列高速公路跨省逃费车辆关联挖掘方法，其特征在于，所述步骤S7中，基于项目集C3获取到入省门架交易时间T1，选择通行标识字段进行关联出入口数据，进一步进行C3入省门架时间T1与出入口时间进行交叉关联，交叉关联结果判定入省门架时间T1小于该车下一次的入口时间，说明逃费，驾驶UJ型路线偷逃高速通行费。

Images