CN117196606A - 一种基于大数据模型的etc使用方法、装置、设备及介质 - Google Patents

Abstract

本申请公开了一种基于大数据模型的ETC使用方法、装置、设备及介质，可应用于大数据领域或金融领域。在车辆驶入收费道路前，通过第一ETC闸机对车辆的扫描，可以获取车辆的出发地点和出发时间；车辆具有ETC账户；然后，将出发地点和出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用，实现提前预测出行费用，接着判断ETC账户中的账户余额是否小于ETC出行预测费用，若是，说明ETC账户余额很可能不够本次出行费用，极有可能出现扣费失败的情况，则向ETC账户发送第一预警信息，第一预警信息用于提醒用户及时充值ETC账户，降低由于账户金额不足出现扣费失败的概率，避免重复发起补缴补扣的流程，有效降低银行补缴交易频率。

Description

一种基于大数据模型的ETC使用方法、装置、设备及介质

技术领域

本申请涉及大数据领域，特别涉及一种基于大数据模型的ETC使用方法、装置、设备及介质。

背景技术

目前，电子收费(Electronic Toll Collection，ETC)可以绑定用户的借记卡和信用卡，通行前无法获知账户实际余额和扣款账户等情况，在通行完成后，银行接收高速发行方提供的扣款文本，发起核心扣款交易。在交易过程中，容易出现因账户异常或余额不足等原因导致扣款失败的问题。面对扣款失败，银行方需多次向客户发起补缴补扣流程，浪费业务系统资源，耗时长，资金回收慢，影响路网中心和发行方的各方资金清算效率。

发明内容

有鉴于此，本申请的目的在于提供一种基于大数据模型的ETC使用方法、装置、设备及介质，降低由于账户金额不足出现扣费失败的概率，避免重复发起补缴补扣的流程，有效降低银行补缴交易频率。其具体方案如下：

一方面，本申请提供了一种基于大数据模型的ETC使用方法，包括：

在车辆驶入收费道路前，通过第一ETC闸机对所述车辆的扫描，获取所述车辆的出发地点和出发时间；所述车辆具有ETC账户；

将所述出发地点和所述出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用；

判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用；

若是，则向所述ETC账户发送第一预警信息，所述第一预警信息用于提醒用户及时充值所述ETC账户。

具体地，所述方法还包括：

若所述账户余额大于或等于所述ETC出行预测费用，则在所述ETC账户扣款圈存所述ETC出行预测费用。

具体地，所述方法还包括：

在所述车辆驶出所述收费道路经过第二ETC闸机时，确定ETC出行实际费用；

对所述ETC出行预测费用解除扣款圈存，并在所述ETC账户中扣除所述ETC出行实际费用。

具体地，在所述判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用之前，所述方法还包括：

判断所述ETC账户的账户状态是否正常；

若是，则执行所述判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用的步骤；否则，向所述ETC账户发送第二预警信息，所述第二预警信息用于向所述用户通知所述账户状态。

具体地，所述ETC出行费用预测模型通过以下方式训练得到：

获取训练集；所述训练集包括多条通行记录，所述通行记录包括历史出发地、历史目的地、历史出行时间和历史ETC出行实际费用；

利用所述训练集对预设模型进行训练，得到所述ETC出行费用预测模型。

另一方面，本申请实施例还提供了一种基于大数据模型的ETC使用装置，包括：

获取单元，用于在车辆驶入收费道路前，通过第一ETC闸机对所述车辆的扫描，获取所述车辆的出发地点和出发时间；所述车辆具有ETC账户；

预测单元，用于将所述出发地点和所述出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用；

判断单元，用于判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用；

第一确定单元，用于若是，则向所述ETC账户发送第一预警信息，所述第一预警信息用于提醒用户及时充值所述ETC账户。

具体地，所述装置还包括：

第二确定单元，用于若所述账户余额大于或等于所述ETC出行预测费用，则在所述ETC账户扣款圈存所述ETC出行预测费用。

具体地，所述装置还包括：

第三确定单元，用于在所述车辆驶出所述收费道路经过第二ETC闸机时，确定ETC出行实际费用；

扣除单元，用于对所述ETC出行预测费用解除扣款圈存，并在所述ETC账户中扣除所述ETC出行实际费用。

另一方面，本申请实施例还提供了一种计算机设备，所述计算机设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行所述的基于大数据模型的ETC使用方法。

另一方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行所述的基于大数据模型的ETC使用方法。

本申请实施例提供了一种基于大数据模型的ETC使用方法、装置、设备及介质，在车辆驶入收费道路前，通过第一ETC闸机对车辆的扫描，可以获取车辆的出发地点和出发时间；车辆具有ETC账户；然后，将出发地点和出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用，实现提前预测出行费用，接着判断ETC账户中的账户余额是否小于ETC出行预测费用，若是，说明ETC账户余额很可能不够本次出行费用，极有可能出现扣费失败的情况，则向ETC账户发送第一预警信息，第一预警信息用于提醒用户及时充值ETC账户，降低由于账户金额不足出现扣费失败的概率，避免重复发起补缴补扣的流程，有效降低银行补缴交易频率，提升业务系统资源利用率，同时缓解金融催款压力。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1示出了本申请实施例提供的一种基于大数据模型的ETC使用方法的流程示意图；

图2示出了本申请实施例提供的一种模型使用的示意图；

图3示出了本申请实施例提供的又一种基于大数据模型的ETC使用方法的流程示意图；

图4为本申请实施例提供的一种基于大数据模型的ETC使用装置的结构框图；

图5为本申请实施例提供的一种计算机设备的结构图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施例的限制。

为了便于理解，下面结合附图对本申请实施例提供的一种基于大数据模型的ETC使用方法、装置、设备及介质进行详细的说明。

参考图1所示，为本申请实施例提供的一种基于大数据模型的ETC使用方法的流程示意图，该方法可以包括以下步骤。

S101，在车辆驶入收费道路前，通过第一ETC闸机对车辆的扫描，获取车辆的出发地点和出发时间。

在本申请实施例中，车辆在驶入收费道路比如高速公路之前，可以利用第一ETC闸机对车辆进行扫描，在扫描通过后，车辆才可以驶入收费道路。车辆具有ETC账户，车辆上可以设置ETC卡，在第一ETC闸机对ETC卡进行扫描之后，可以根据第一ETC闸机的具体信息比如编号等确定第一ETC闸机的具体位置，从而确定出车辆此时所处的位置，作为车辆的出发地点，此外，还可以将第一ETC闸机对车辆的扫描时间作为车辆的出发时间，出发时间可以包括年、月、日等信息。

S102，将出发地点和出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用。

在本申请实施例中，ETC出行费用预测模型为一种大数据模型，可以预测出行费用，将出发地点和出发时间输入至该模型中，可以输出本次通行的ETC出行预测费用，这样，在通行前可以合理预测本次的通行费用，掌握通行费用的大致情况。

具体地，参考图2所示，ETC出行费用预测模型通过以下方式训练得到：获取训练集，训练集可以包括多条通行记录，每条通行记录可以包括历史出发地、历史目的地、历史出行时间和历史ETC出行实际费用；利用训练集对预设模型进行训练，得到ETC出行费用预测模型，以便训练好的模型可以预测出行费用，以用户的历史数据进行训练，能够提高出行费用预测的准确性。

具体地，以获取的通行记录数据，按时间、通行频率、常用目的地、ETC通行扣费模式、扣款金额等不同的属性特征值，运用机器算法中的不同模型，训练拟合出符合客户ETC出行费用的预测模型。

此外，训练集还可以包括用户办理ETC账户时的签约参数，比如客户属性等，客户属性可以为个人客户或对公客户，如果为对公客户，对公客户一般具有多辆车辆，多辆车辆之间的通行存在很大的相关性，则可以将该公司下的多个车辆的通行记录添加到训练集，进行训练，提高费用预测的准确性。

具体地，训练集还可以包括账户资金变动记录，比如，对于每一次通行扣费，用户是否只允许扣除部分费用，剩余的费用下个时间点再扣除等。

此外，训练集还可以包括用户的信用情况，若信用状况不好，比如多次进行黑名单，可以设置预测的该用户的出行费用高于信用良好的用户的出行费用，提高对信用状况不好的用户的扣款成功率。

S103，判断ETC账户中的账户余额是否小于ETC出行预测费用。

具体地，在ETC账户中具有一定的账户余额，可以是一张或多张借记卡或信用卡中的金额，可以将账户余额与预测得到的ETC出行预测费用进行比较，从而判断在通行完成后能够正常进行收费扣款。

在一种可能的实现方式中，在判断ETC账户中的账户余额是否小于ETC出行预测费用之前，还可以对ETC账户的账户状态进行判断，账户状态可以为正常状态或异常状态，正常状态为可以正常进行扣款和充值的状态，异常状态可以为账户无法进行扣款和充值，比如账户被冻结或账户余额较少，比如为0。账户状态可以表示能否对ETC账户进行扣款操作，提高一次性扣款成功的概率。

具体地，可以获取账户状态信息，判断ETC账户的账户状态是否正常，如果账户状态为正常状态，则可以执行判断ETC账户中的账户余额是否小于ETC出行预测费用的步骤，如果账户状态为异常状态，表示账户可能被冻结或余额很少，则可以向ETC账户发送第二预警信息，第二预警信息用于向用户通知账户状态，这样，用户知晓账户状态异常，可以及时对ETC账户进行操作，比如解除冻结，从而使账户状态恢复正常，避免由于账户余额较多但是账户被冻结时，虽然账户余额大于ETC出行预测费用，仍会导致扣款失败的情况发生。

S104，若是，则向ETC账户发送第一预警信息，第一预警信息用于提醒用户及时充值ETC账户。

具体地，如果ETC账户中的账户余额小于ETC出行预测费用，表示账户余额很可能不够本次出行费用，极有可能出现扣费失败的情况，则可以向ETC账户发送第一预警信息，第一预警信息可以用于提醒用户及时充值ETC账户，降低由于账户金额不足出现扣费失败的概率，避免重复发起补缴补扣的流程，有效降低银行补缴交易频率，提升业务系统资源利用率，同时缓解金融催款压力。

具体地，第一预警信息可以包括ETC出行预测费用，这样，用户可以掌握大致的充值金额，避免充值金额过小，仍会导致扣款失败的情况发生，从而避免多次充值。

在本申请实施例中，如果账户余额大于或等于ETC出行预测费用，表示账户余额较多能够支付本次出行费用，则可以在ETC账户扣款圈存ETC出行预测费用，也就是说，可以将ETC出行预测费用在ETC账户中暂时冻结，用户不可使用，以便后续进行ETC通行的费用支付，避免用户过多的消费账户余额，导致在通行结束后，账户余额不够支付通行费用的情况发生。

在本申请实施例中，在对ETC出行预测费用扣款圈存后，在车辆驶出收费道路经过第二ETC闸机时，此时已经确定出发地点和目的地，能够确定出ETC出行实际费用。具体地，在车辆驶出高速公路时，第二ETC闸机在扫描之后，可以直接显示ETC出行实际费用。

具体地，由于此时已经确定出实际需要支付的ETC费用，为了避免账户余额不够，可以对ETC出行预测费用进行解除扣款圈存的操作，从而使ETC出行预测费用可以正常被使用消费，然后在ETC账户中扣除ETC出行实际费用，完成ETC通行费用的支付，这样，能够降低ETC费用补扣的发生概率，实现在ETC通行费收取场景中做到事前预扣，事后清算。

此外，在每次通行结束后，可以利用该次的通行记录，比如出发地、目的地和出行费用，对ETC出行费用预测模型进行优化，从而提高模型预测的准确性。

在本申请实施例中，参考图3所示，可以获取模型预测结果，然后向核心系统中的ETC账户发起扣款圈存，接着进行账户状态的判断(是否为正常账户，账户余额是否大于预测出行费用)，若正常，则可以进行扣款圈存，在通行结束时，可以依据实际交易金额，发起解圈扣账，然后通行记录可以上传模块管理系统，以便模块管理系统对模型进行优化。

本申请实施例提供了一种基于大数据模型的ETC使用方法，在车辆驶入收费道路前，通过第一ETC闸机对车辆的扫描，可以获取车辆的出发地点和出发时间；车辆具有ETC账户；然后，将出发地点和出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用，实现提前预测出行费用，接着判断ETC账户中的账户余额是否小于ETC出行预测费用，若是，说明ETC账户余额很可能不够本次出行费用，极有可能出现扣费失败的情况，则向ETC账户发送第一预警信息，第一预警信息用于提醒用户及时充值ETC账户，降低由于账户金额不足出现扣费失败的概率，避免重复发起补缴补扣的流程，有效降低银行补缴交易频率，提升业务系统资源利用率，同时缓解金融催款压力。

基于以上基于大数据模型的ETC使用方法，本申请实施例还提供了一种基于大数据模型的ETC使用装置，参考图4所示，为本申请实施例提供的一种基于大数据模型的ETC使用装置的结构框图，该装置可以包括：

获取单元201，用于在车辆驶入收费道路前，通过第一ETC闸机对所述车辆的扫描，获取所述车辆的出发地点和出发时间；所述车辆具有ETC账户；

预测单元202，用于将所述出发地点和所述出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用；

判断单元203，用于判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用；

第一确定单元204，用于若是，则向所述ETC账户发送第一预警信息，所述第一预警信息用于提醒用户及时充值所述ETC账户。

具体地，所述装置还包括：

第二确定单元，用于若所述账户余额大于或等于所述ETC出行预测费用，则在所述ETC账户扣款圈存所述ETC出行预测费用。

具体地，所述装置还包括：

第三确定单元，用于在所述车辆驶出所述收费道路经过第二ETC闸机时，确定ETC出行实际费用；

扣除单元，用于对所述ETC出行预测费用解除扣款圈存，并在所述ETC账户中扣除所述ETC出行实际费用。

具体地，所述装置还包括：

第而判断单元，用于判断所述ETC账户的账户状态是否正常；

第四确定单元，用于若是，则执行所述判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用的步骤；否则，向所述ETC账户发送第二预警信息，所述第二预警信息用于向所述用户通知所述账户状态。

具体地，所述ETC出行费用预测模型通过以下方式训练得到：

获取训练集；所述训练集包括多条通行记录，所述通行记录包括历史出发地、历史目的地、历史出行时间和历史ETC出行实际费用；

利用所述训练集对预设模型进行训练，得到所述ETC出行费用预测模型。

本申请实施例提供了一种基于大数据模型的ETC使用装置，获取单元在车辆驶入收费道路前，通过第一ETC闸机对车辆的扫描，可以获取车辆的出发地点和出发时间；车辆具有ETC账户；然后，预测单元将出发地点和出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用，实现提前预测出行费用，接着判断单元可以判断ETC账户中的账户余额是否小于ETC出行预测费用，第一确定单元用于若是，说明ETC账户余额很可能不够本次出行费用，极有可能出现扣费失败的情况，则向ETC账户发送第一预警信息，第一预警信息用于提醒用户及时充值ETC账户，降低由于账户金额不足出现扣费失败的概率，避免重复发起补缴补扣的流程，有效降低银行补缴交易频率，提升业务系统资源利用率，同时缓解金融催款压力。

又一方面，本申请实施例提供了一种计算机设备，参见图5，该图示出了本申请实施例提供的一种计算机设备的结构图，所述设备包括处理器310以及存储器320：

所述存储器310用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器320用于根据所述程序代码中的指令执行上述实施例提供的基于大数据模型的ETC使用方法。

该计算机设备可以包括终端设备或服务器，前述的基于大数据模型的ETC使用装置可以配置在该计算机设备中。

又一方面，本申请实施例还提供了一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序用于执行上述实施例提供的基于大数据模型的ETC使用方法。

另外，本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面的各种可选实现方式中提供的基于大数据模型的ETC使用方法。

需要说明的是，本发明提供的一种基于大数据模型的ETC使用方法、装置、设备及介质可用于大数据领域或金融领域。上述仅为示例，并不对本发明提供的一种基于大数据模型的ETC使用方法、装置、设备及介质的应用领域进行限定。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器(英文：Read-only Memory，缩写：ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“对应于”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅是本申请的优选实施方式，虽然本申请已以较佳实施例披露如上，然而并非用以限定本申请。任何熟悉本领域的技术人员，在不脱离本申请技术方案范围情况下，都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本申请技术方案的内容，依据本申请的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰，均仍属于本申请技术方案保护的范围内。

Claims (10)

1.一种基于大数据模型的ETC使用方法，其特征在于，包括：

在车辆驶入收费道路前，通过第一ETC闸机对所述车辆的扫描，获取所述车辆的出发地点和出发时间；所述车辆具有ETC账户；

将所述出发地点和所述出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用；

判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用；

若是，则向所述ETC账户发送第一预警信息，所述第一预警信息用于提醒用户及时充值所述ETC账户。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述账户余额大于或等于所述ETC出行预测费用，则在所述ETC账户扣款圈存所述ETC出行预测费用。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在所述车辆驶出所述收费道路经过第二ETC闸机时，确定ETC出行实际费用；

对所述ETC出行预测费用解除扣款圈存，并在所述ETC账户中扣除所述ETC出行实际费用。

4.根据权利要求1所述的方法，其特征在于，在所述判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用之前，所述方法还包括：

判断所述ETC账户的账户状态是否正常；

若是，则执行所述判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用的步骤；否则，向所述ETC账户发送第二预警信息，所述第二预警信息用于向所述用户通知所述账户状态。

5.根据权利要求1-4任意一项所述的方法，其特征在于，所述ETC出行费用预测模型通过以下方式训练得到：

获取训练集；所述训练集包括多条通行记录，所述通行记录包括历史出发地、历史目的地、历史出行时间和历史ETC出行实际费用；

利用所述训练集对预设模型进行训练，得到所述ETC出行费用预测模型。

6.一种基于大数据模型的ETC使用装置，其特征在于，包括：

获取单元，用于在车辆驶入收费道路前，通过第一ETC闸机对所述车辆的扫描，获取所述车辆的出发地点和出发时间；所述车辆具有ETC账户；

预测单元，用于将所述出发地点和所述出发时间输入至ETC出行费用预测模型中，输出ETC出行预测费用；

判断单元，用于判断所述ETC账户中的账户余额是否小于所述ETC出行预测费用；

第一确定单元，用于若是，则向所述ETC账户发送第一预警信息，所述第一预警信息用于提醒用户及时充值所述ETC账户。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第二确定单元，用于若所述账户余额大于或等于所述ETC出行预测费用，则在所述ETC账户扣款圈存所述ETC出行预测费用。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第三确定单元，用于在所述车辆驶出所述收费道路经过第二ETC闸机时，确定ETC出行实际费用；

扣除单元，用于对所述ETC出行预测费用解除扣款圈存，并在所述ETC账户中扣除所述ETC出行实际费用。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-5中任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1-5中任意一项所述的方法。