CN117370773A - 一种j型行驶逃费车辆的稽查方法、系统、设备及介质 - Google Patents
一种j型行驶逃费车辆的稽查方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117370773A CN117370773A CN202311386912.2A CN202311386912A CN117370773A CN 117370773 A CN117370773 A CN 117370773A CN 202311386912 A CN202311386912 A CN 202311386912A CN 117370773 A CN117370773 A CN 117370773A
- Authority
- CN
- China
- Prior art keywords
- data
- portal
- running water
- vehicle
- auditing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 191
- 238000012216 screening Methods 0.000 claims abstract description 50
- 238000007689 inspection Methods 0.000 claims abstract description 23
- 238000012550 audit Methods 0.000 claims abstract description 17
- 238000003860 storage Methods 0.000 claims abstract description 11
- 238000004140 cleaning Methods 0.000 claims description 41
- 230000006399 behavior Effects 0.000 claims description 35
- 230000004927 fusion Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 14
- 230000002441 reversible effect Effects 0.000 claims description 11
- 230000000694 effects Effects 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 13
- 230000002829 reductive effect Effects 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000002349 favourable effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及高速稽核技术领域,尤其是涉及一种J型行驶逃费车辆的稽查方法、系统、计算机设备及存储介质。J型行驶逃费车辆的稽查方法包括:设定需要稽查的时间周期;获取高速公路中与所述时间周期相对应的门架流水数据;获取ETC门架桩号,根据所述ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据;基于所述门架流水数据、所述第一门架数据和所述第二门架数据构建J型逃费车稽核模型;从所述J型逃费车稽核模型中筛查,得到待补缴费用的J型嫌疑车辆数据。本申请具有减低人工稽查难度和提高稽核效能的效果。
Description
技术领域
本发明涉及高速稽核技术领域,尤其是涉及一种J 型行驶逃费车辆的稽查方法、系统、计算机设备及存储介质。
背景技术
近年来,随着经济的发展,高速公路路网规模不断扩大,长距远途运输和大额通行交易越来越多,高速稽核作为高速公路的联网收费业务中的重要业务环节,其重要性也日渐凸显。但是,各种各样的高速违法逃费活动日益猖獗,给目前的稽核业务带来了极大的挑战。
J 型跑长买短逃费行为是高速违法逃费活动中较为常见的一种行为,J 型跑长买短逃费行为主要是指车辆在通过私开缺口、施工缺口、服务区等地方调头或通过环形行驶,跑长买短,达到逃交、少交通行费目的的一种行为。
由于J 型逃费车的出口收费流水存在超时、不超时、有特情、无特情等多种复杂情况,异常数据干扰多,传统的人工核查方式难度大,效率低且耗时耗力,很难遏制住J 型逃费车偷逃费快速增长的趋势。
发明内容
为了减低人工稽查难度和提高稽核效能,本申请提供一种J 型行驶逃费车辆的稽查方法、系统、计算机设备及存储介质。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种J 型行驶逃费车辆的稽查方法,其特征在于,所述J 型行驶逃费车辆的稽查方法包括:
设定需要稽查的时间周期;
获取高速公路中与所述时间周期相对应的门架流水数据,其中,所述门架流水数据包括出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据;
获取ETC门架桩号,根据所述ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据;
基于所述门架流水数据、所述第一门架数据和所述第二门架数据构建J 型逃费车稽核模型;
从所述J 型逃费车稽核模型中筛查,得到待补缴费用的J型嫌疑车辆数据。
通过采用上述技术方案,通过获取预设的时间周期内的门架流水数据,根据现有的ETC门架桩号的大小顺序关系生成第一门架数据和第二门架数据,并通过利用门架流水数据、第一门架数据和第二门架数据对车辆在高速公路中的通行行为进行分析,构建得到J型逃费车稽核模型,从而能够从海量的门架流水数据中精准锁定待补缴费用的J型嫌疑车辆数据,并且通过对门架数据进行批量处理,有助于提高筛查的灵活性和筛查的速度,进而有助于减低人工稽查难度,有效地提高了稽核的效能,同时减少了高速公路中通行费的损失,有助于维护高速公路正常收费的秩序。
本申请在一较佳示例中可以进一步配置为:所述基于所述门架流水数据、所述第一门架数据和所述第二门架数据构建J 型逃费车稽核模型,具体包括:
从所述门架流水数据中提取第一特征字段,其中,所述第一特征字段包括识别车牌字段和通行标识字段;
通过所述第一特征字段将所述门架流水数据进行关联融合,得到待处理的门架流水数据;
根据第一门架数据,从所述待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,得到第一门架的门架流水数据;
根据第二门架数据,从所述待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,得到第二门架的门架流水数据;
根据所述第一门架的门架流水数据、所述第二门架的门架流水数据和出口流水数据,得到J 型逃费车稽核模型。
通过采用上述技术方案,通过从门架流水数据中提取特征字段,将出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据进行关联融合,并根据生成的第一门架数据和第二门架数据,从关联融合后的数据中筛选出具有同一通行标识的车辆的第一门架的门架流水数据和第二门架的门架流水数据,从而构建得到J 型逃费车稽核模型,有效地融合了车辆通行的门架流水数据,便于后续从该模型中快速筛查出待补缴费用的J型嫌疑车辆数据,提高了J 型逃费车稽核模型的精准率,以实现对J 型跑长买短逃费车的精准打逃。
本申请在一较佳示例中可以进一步配置为:所述从所述J 型逃费车稽核模型中筛查,得到待补缴费用的嫌疑车辆数据,具体包括:
从所述J 型逃费车稽核模型中选定第二特征字段,作为稽查审核的特征参数,其中,所述第二特征字段包括车辆在所述第一门架数据中的车牌抓拍记录字段和门架计费成功流水字段以及车辆在所述第二门架数据中的车牌抓拍记录字段和门架计费成功流水字段;
根据所述特征参数对车辆的通行行为进行特征判断,根据判定结果从所述J 型逃费车稽核模型中筛查出待补缴费用的J型嫌疑车辆数据。
通过采用上述技术方案,通过从上述构建得到的J 型逃费车稽核模型中选定第二特征字段,作为稽查审核的特征参数,并根据该特征参数对车辆的通行行为进行特征判断,进而能够从J 型逃费车稽核模型中精准锁定待补缴费用的J型嫌疑车辆数据,有利于后续追缴工作的展开,为高速公路挽回通行费的损失,维护高速公路的正常收费秩序。
本申请在一较佳示例中可以进一步配置为:所述J 型逃费车稽核模型包括出口流水维度稽核子模型,应用于稽查在本路段离开高速的车辆,使用所述出口流水维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据,具体包括:
通过识别车牌字段将出口流水数据和ETC门架车牌识别数据进行关联融合;
对关联融合后的数据进行数据清洗;
根据所述数据清洗后的数据,分别统计具有相同通行标识的车辆在所述第一门架数据和所述第二车架数据中的车牌抓拍次数,得到第一门架数据的车牌抓拍次数和第二门架数据的车牌抓拍次数;
选择所述第一门架数据的车牌抓拍次数和所述第二门架数据的车牌抓拍次数作为所述子模型的稽查审核的特征参数;
根据所述特征参数对车辆的通行行为进行特征判断,若所述车辆同时具有第一门架数据和第二车架数据中车牌抓拍的记录,则所述车辆数据为待补缴费用的J型嫌疑车辆数据。
通过采用上述技术方案,通过采用J 型逃费车稽核模型中的出口流水维度稽核子模型对在本路段离开高速的车辆进行稽查,有利于针对各路段的情况进行分析处理,提高了稽核的灵活性,减低了人工稽查难度。同时通过统计具有相同通行标识的车辆在所述第一门架数据和所述第二车架数据中的车牌抓拍次数,并据此来锁定J 型逃费车稽核模型中的待补缴费用的J型嫌疑车辆数据,有助于工作人员精准且高效地完成在本路段离开高速的J型逃费车的稽核工作。
本申请在一较佳示例中可以进一步配置为:所述对关联融合后的数据进行数据清洗,所述数据清洗包括对关联融合后的数据中的匝道ETC门架车牌抓拍流水数据进行剔除。
通过采用上述技术方案,通过对出口流水数据和ETC门架车牌识别数据关联融合后的数据进行数据清洗,剔除了匝道ETC门架车牌抓拍流水数据,减少了异常数据的干扰,有助于进一步提高出口流水维度稽核子模型对待补缴费用的J型嫌疑车辆的识别率和精准率,从而有助于提高稽核的效能。
本申请在一较佳示例中可以进一步配置为:所述J 型逃费车稽核模型包括门架计费维度稽核子模型,应用于稽查在本路段J型行驶但在其他路段离开高速的车辆,使用所述门架计费维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据,具体包括:
通过识别车牌字段将ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合;
从关联融合后的数据中筛选出同时存在门架车牌识别流水数据和门架计费流水数据的车辆,以剔除反向门架的误计费流水数据,并通过同一通行标识进行关联出口流水数据,得到待处理的门架计费流水数据;
根据待处理的门架计费流水数据,分别筛选出具有同一通行标识的车辆在所述第一门架数据和所述第二门架数据中的门架计费成功的流水数据,得到第一门架数据的门架计费成功流水数据和第二门架数据的门架计费成功流水数据;
选择所述第一门架数据的门架计费成功流水数据和所述第二门架数据的门架计费成功流水数据作为所述子模型的稽查审核的特征参数;
根据所述特征参数对车辆的通行行为进行特征判断,若所述车辆同时存在第一门架数据和第二门架数据中的门架计费成功的流水数据,则所述车辆数据为待补缴费用的J型嫌疑车辆数据。
通过采用上述技术方案,通过采用J 型逃费车稽核模型中的门架计费维度稽核子模型对在本路段J型行驶但在其他路段离开高速的车辆进行稽查,针对性强,有利于针对各路段的特殊情况进行不同的分析和处理,提高了稽核的灵活性,减低了人工稽查难度。同时将ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合,并从关联融合后的数据中筛选出具有同一通行标识的车辆在所述第一门架数据和所述第二门架数据中的门架计费成功的流水数据,并据此来锁定J 型逃费车稽核模型中的待补缴费用的J型嫌疑车辆数据,有助于工作人员精准且高效地完成在本路段J型行驶但在其他路段离开高速的J型逃费车的稽核工作。
本申请在一较佳示例中可以进一步配置为:在所述通过识别车牌字段将ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合步骤前,还包括:
对ETC 门架计费流水数据进行数据清洗,所述数据清洗包括剔除匝道门架计费流水数据和剔除免费车辆和干扰车牌的流水数据;
在得到待处理的门架计费流水数据步骤后,还包括:
对所述待处理的门架计费流水数据进行数据清洗,所述数据清洗包括剔除本路段出口数据。
通过采用上述技术方案,通过在ETC 门架计费流水数据和ETC门架车牌识别数据关联融合前,对ETC 门架计费流水数据进行数据清洗,以剔除匝道门架计费流水数据和剔除免费车辆和干扰车牌的流水数据;在通过同一通行标识进行关联出口流水数据,得到待处理的门架计费流水数据步骤后,对所述待处理的门架计费流水数据进行数据清洗,以剔除本路段出口数据。通过在不同的时机对数据进行清洗操作,极大地减少了异常数据对稽核工作的干扰,保证了数据的准确性,有助于进一步提高门架计费维度稽核子模型对待补缴费用的J型嫌疑车辆的识别率和精准率,从而有助于提高稽核的效能。
本申请的上述发明目的二是通过以下技术方案得以实现的:
一种J 型行驶逃费车辆的稽查系统,其特征在于,所述J 型行驶逃费车辆的稽查系统包括:
时间周期设定模块,用于设定需要稽查的时间周期;
数据获取模块,用于获取高速公路中与所述时间周期相对应的门架流水数据,其中,所述门架流水数据包括出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据;
数据生成模块,用于获取ETC门架桩号,根据所述ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据;
模型构建模块,用于基于所述门架流水数据、所述第一门架数据和所述第二门架数据构建J 型逃费车稽核模型;
数据筛查模块,用于从所述J 型逃费车稽核模型中筛查,得到待补缴费用的嫌疑车辆数据。
通过采用上述技术方案,通过获取预设的时间周期内的门架流水数据,根据现有的ETC门架桩号的大小顺序关系生成第一门架数据和第二门架数据,并通过利用门架流水数据、第一门架数据和第二门架数据对车辆在高速公路中的通行行为进行分析,构建得到J型逃费车稽核模型,从而能够从海量的门架流水数据中精准锁定待补缴费用的J型嫌疑车辆数据,并且通过对门架数据进行批量处理,有助于提高筛查的灵活性和筛查的速度,进而有助于减低人工稽查难度,有效地提高了稽核的效能,同时减少了高速公路中通行费的损失,有助于维护高速公路正常收费的次序。
本申请的上述目的三是通过以下技术方案得以实现的:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述J 型行驶逃费车辆的稽查方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述J 型行驶逃费车辆的稽查方法的步骤。
综上所述,本申请包括以下至少一种有益技术效果:
1、通过构建 J 型逃费车稽核模型,能够从海量的交易流水数据中快速筛查出真正的 J 型跑长买短逃费车,从而对J 型逃费车进行精准打逃,有效地提高了稽核效能和提高了高速公路各级运营单位加强J 型逃费车辆治理工作力度和效率,同时减少了高速公路通行费的流失;
2、通过将J 型逃费车稽核模型分为出口流水维度稽核子模型和门架计费维度稽核子模型,不仅能针对各路段的情况进行分析处理,具有广泛适应弹性,还能及时筛查出因反向门架、反向收费站参数未设置、错设置等问题导致反向门架误计费的异常流水,能及时地联系相关技术维护人员进行修正,确保参数设置合规和计费准确,有利于指导和促进收费营运管理的改进。
附图说明
图1是本申请一实施例中一种J 型行驶逃费车辆的稽查方法的一流程图;
图2是本申请一实施例中车辆的J 型跑长买短逃费行为的行驶路线的一示意图;
图3是本申请一实施例中一种J 型行驶逃费车辆的稽查方法步骤S40的实现流程图;
图4是本申请一实施例中一种J 型行驶逃费车辆的稽查方法步骤S50的实现流程图;
图5是本申请一实施例中一种J 型行驶逃费车辆的稽查方法步骤S50中使用出口流水维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据的实现流程图;
图6是本申请一实施例中一种J 型行驶逃费车辆的稽查方法步骤S50中使用门架计费维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据的实现流程图;
图7是本申请一实施例中一种J 型行驶逃费车辆的稽查系统的一原理框图;
图8是本申请一实施例中的设备示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中,如图1所示,本申请公开了一种J 型行驶逃费车辆的稽查方法,具体包括如下步骤:
S10:设定需要稽查的时间周期。
具体地,在面对海量的高速公路中的门架流水数据时,其处理量是相对庞大的,因此,发明人通过设定时间周期对这些门架流水数据按顺序,分批次进行获取并处理,有助于进一步提高处理的速度,减低人工稽查难度。同时通过构建 J 型逃费车稽核模型,对通行车辆的通行行为进行分析和筛查,从而能快速从批量的门架流水数据中筛查出待补缴费用的 J 型跑长买短逃费车的数据,有助于对J 型行驶逃费车辆进行精准打逃,从而有助于提高了稽核的效能。可以理解的,设定需要稽查的时间周期可以根据实际需要进行合理地设置,比如,一天、一周或一个月等,具体在此不作任何限定。
S20:获取高速公路中与时间周期相对应的门架流水数据,其中,门架流水数据包括出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据。
具体地,根据设定的时间周期从出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据中获取与该时间周期相对应的门架流水数据。该出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据均为在目前的高速收费模式下,车辆在高速公路行驶时,高速公路中的龙门架设备及收费站设备对车辆实际交互所获得的记录数据。
S30:获取ETC门架桩号,根据ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据。
在本实施例中,ETC门架桩号是指按照高速公路中桩号的传递规则,一般对高速公路中的走向进行的顺序标号,即用来标识高速公路走向的顺序编号。
具体地,根据获取与车辆行驶方向一致的ETC门架桩号,并根据ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据,其中,第一门架数据可以根据车辆的行驶方向依ETC门架桩号逐渐增大或逐渐减少所生成的主线门架的方向数据,第二门架数据为与第一门架数据方向相反的主线门架方向数据,即第一门架数据和第二门架数据均是为了标识在高速公路中对同一条路的不同方向的ETC主线门架。此外,为了方便在数据库表中存储生成的第一门架数据和第二门架数据,第一门架数据可以用数字1进行表示,第二门架数据可以用数字2进行表示,在此不作任何限制。其中,上述的以及下面的第一、第二及第三的关系术语仅仅是用来将一个模块或数据操作与另一个模块或数据操作区分开来,而不一定要求或者暗示这些模块或操作之间存在任何的实际关系或者顺序。
S40:基于门架流水数据、第一门架数据和第二门架数据构建J 型逃费车稽核模型。
在本实施例中,J 型逃费车稽核模型是指基于获取到的门架流水数据、生成的第一门架数据和第二门架数据进行整合生成的一种模型,可以相当于一个数据仓库,用来批量筛查待补缴费用的嫌疑车辆数据,以精准锁定 J 型逃费嫌疑车辆。
具体地,通过对获取到的门架流水数据和根据ETC门架桩号的大小顺序关系所生成的第一门架数据以及第二门架数据进行整合关联,其整合关联的技术手段可以通过提取不同门架流水数据之间的关联字段对上述门架流水数据和第一门架数据以及第二门架数据进行整合关联,例如提取门架流水数据中的识别车牌字段或通行标识字段,从而构建得到J 型逃费车稽核模型,进而可以通过构建得到J 型逃费车稽核模型对车辆的通行行为进行判断,根据其判断结果对J 型逃费车进行精准打逃。
S50:从J 型逃费车稽核模型中筛查,得到待补缴费用的J型嫌疑车辆数据。
具体地,通过上述构建得到的J 型逃费车稽核模型,对通行的车辆在具有第一门架数据和第二门架数据标识的ETC主线门架中的通行行为进行分析和判断,并根据判断的结果对J 型逃费车稽核模型中的待补缴费用的J 型逃费嫌疑车辆数据进行筛查工作,以得到待补缴费用的J型嫌疑车辆数据。
进一步地,为了更清楚地说明本实施例,而非对其限制。如图2所示,本申请以车辆在图中标记的a高速,b高速和c高速通行为例,给出了该车辆的J 型跑长买短逃费行为的行驶路线。可以理解的,图中的上行门架可以相当于本申请一实施例中的第一门架数据或第二门架数据中的一种,下行门架可以相当于本申请一实施例中的相对上行门架设置的第一门架数据或第二门架数据中的另外一种,即若上行门架相当于本申请一实施例中的第一门架数据,则下行门架相当于本申请一实施例中的第二门架数据;若上行门架相当于本申请一实施例中的第二门架数据,则下行门架相当于本申请一实施例中的第一门架数据。
进一步地,如图2所示,通过整合高速出口流水数据和上行门架方向以及下行门架方向的门架流水数据,然后对对车辆在上行门架和下行门架的通行行为进行判断,进而根据判断结果对J 型逃费车进行精准打逃,即相当于本申请一实施例中通过整合关联门架流水数据和第一门架数据以及第二门架数据进行整合关联,从而构建得到J 型逃费车稽核模型,进而通过构建得到J 型逃费车稽核模型对车辆在具有第一门架数据和第二门架数据标识的ETC主线门架的通行行为进行分析,并通过分析判定结果从J 型逃费车稽核模型中筛查出待补缴费用的J 型逃费嫌疑车辆数据,便于相关部门对后续追缴工作的开展。
在本实施例中,通过获取预设的时间周期内的门架流水数据,根据现有的ETC门架桩号的大小顺序关系生成第一门架数据和第二门架数据,并通过利用门架流水数据、第一门架数据和第二门架数据对车辆在高速公路中的通行行为进行分析,构建得到J 型逃费车稽核模型,从而能够从海量的门架流水数据中精准锁定J 型逃费嫌疑车辆数据,并且通过对门架数据进行批量处理,有助于提高筛查的灵活性和筛查的速度,进而有助于减低人工稽查难度,有效地提高了稽核的效能,同时减少了高速公路中通行费的损失,有助于维护高速公路正常收费的秩序。
在一实施例中,如图3所示,在步骤S40中,即基于门架流水数据、第一门架数据和第二门架数据构建J 型逃费车稽核模型,具体包括:
S41:从门架流水数据中提取第一特征字段,其中,第一特征字段包括识别车牌字段和通行标识字段。
在本实施例中,第一特征字段是指从获取到的门架流水数据中提取的字段,具体包括出口流水数据中的识别车牌字段,通行标识字段,车辆出口时间字段和车辆入口时间字段、ETC门架车牌识别数据中的识别车牌字段和通行标识字段以及ETC 门架计费流水数据中的通行标识字段和识别车牌字段。第一特征字段用于将获取到的不同门架的数据进行关联融合,以便于后续利用关联融合后的数据进行J型逃费车稽核模型的构建。
具体地,第一特征字段均是为了上述门架交易数据之间可以进行便捷的关联分析,其中,第一特征字段的相关数据在车辆通行过车道及门架时生成,例如,通行标识字段是在车辆经过节点时,触发收费软件执行动作,需要为符合匹配条件的ETC门架车牌识别数据赋值上对应的PASSID值,作为门架流水数据之间的绑定关系记录。
S42:通过第一特征字段将门架流水数据进行关联融合,得到待处理的门架流水数据。
具体地,对通过第一特征字段将门架流水数据进行关联融合,包括但不限于通过识别车牌字段将出口流水数据和ETC门架车牌识别数据进行关联融合,通过识别车牌字段将ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合和\或通过通行标识字段将出口流水数据和ETC 门架计费流水数据进行关联融合等等,即通过第一特征字段将不同门架流水数据进行关联融合可以根据实际的需要进行数据关联,具体在此不作任何限制。
S43:根据第一门架数据,从待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,得到第一门架的门架流水数据。
具体地,根据上述生成的第一门架数据,从待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,从而得到第一门架的门架流水数据,即从待处理的门架流水数据中筛选出具有同一通行标识的车辆在通行过程中所经过的存在有第一门架数据标识的所有ETC主线门架的流水数据。
S44:根据第二门架数据,从待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,得到第二门架的门架流水数据。
具体地,根据上述生成的第二门架数据,从待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,从而得到第二门架的门架流水数据,即从待处理的门架流水数据中筛选出具有同一通行标识的车辆在通行过程中所经过的存在有第二门架数据标识的所有ETC主线门架的流水数据。
S45:根据第一门架的门架流水数据、第二门架的门架流水数据和出口流水数据,得到J 型逃费车稽核模型。
具体地,通过上述第一特征字段中的通行标识字段将得到的第一门架的门架流水数据、第二门架的门架流水数据和出口流水数据进行整合关联,从而构建得到J 型逃费车稽核模型,进而可以通过构建得到J 型逃费车稽核模型对车辆的通行行为进行判断,根据其判断结果对J 型逃费车进行精准打逃。
在一实施例中,如图4所示,在步骤S50中,即从J 型逃费车稽核模型中筛查,得到待补缴费用的嫌疑车辆数据,具体包括:
S511:从J 型逃费车稽核模型中选定第二特征字段,作为稽查审核的特征参数,其中,第二特征字段包括车辆在第一门架数据中的车牌抓拍记录字段和门架计费成功流水字段以及车辆在第二门架数据中的车牌抓拍记录字段和门架计费成功流水字段。
在本实施例中,第二特征字段具体指从上述构建得到的J 型逃费车稽核模型中提取的字段,具体包括车辆在第一门架数据中的车牌抓拍记录字段和门架计费成功流水字段以及车辆在第二门架数据中的车牌抓拍记录字段和门架计费成功流水字段。第二特征字段作为稽查审核的特征参数,用来对车辆的通行行为进行判断,进而能从J 型逃费车稽核模型准确地筛查出待补缴费用的嫌疑车辆数据。
S512:根据特征参数对车辆的通行行为进行特征判断,根据判定结果从J 型逃费车稽核模型中筛查出待补缴费用的J型嫌疑车辆数据。
具体地,通过上述选定的第二特征字段对车辆的通行行为进行特征判断,从而根据判定结果从J 型逃费车稽核模型准确地筛查出待补缴费用的嫌疑车辆数据,有利于工作人员根据筛查出的待补缴费用的嫌疑车辆数据进行后续的追缴工作的开展,为高速公路挽回通行费的损失,有助于对J型逃费车辆进行有效打击,从而维护高速公路中正常收费执行。
在一实施例中,J 型逃费车稽核模型包括出口流水维度稽核子模型,应用于稽查在本路段离开高速的车辆。如图5所示,在步骤S50中,即使用出口流水维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据,具体包括:
S521:通过识别车牌字段将出口流水数据和ETC门架车牌识别数据进行关联融合。
具体地,为了针对不同路段的车辆通行行为的情况,从J 型逃费车稽核模型中设置了出口流水维度稽核子模型,应用于稽查在本路段离开高速的车辆,即出口流水维度稽核子模型主要针对于车辆在某高速口进入高速,同时也在该高速相应路段的高速出口驶出,并在该高速相应路段存在J型行驶的通行行为进行稽查,从而有助于对异常情况的灵活处理,提高了稽核的灵活性。
进一步地,通过上述提取的第一特征字段中的识别车牌字段将出口流水数据和ETC门架车牌识别数据进行关联融合,并将车辆的通行时间设定在车辆的入口时间至出口时间范围内。
S522:对关联融合后的数据进行数据清洗。
具体地,其数据清洗包括对关联融合后的数据中的匝道ETC门架车牌抓拍流水数据进行剔除,以减少异常干扰数据对稽查结果的影响,保证数据的正确性,进而有助于提高稽查的准确度。
S523:根据数据清洗后的数据,分别统计具有相同通行标识的车辆在第一门架数据和第二车架数据中的车牌抓拍次数,得到第一门架数据的车牌抓拍次数和第二门架数据的车牌抓拍次数。
具体地,根据数据清洗后的数据,分别统计具有相同通行标识的车辆在第一门架数据和第二车架数据中的车牌抓拍次数,得到第一门架数据的车牌抓拍次数和第二门架数据的车牌抓拍次数,即将具有相同通行标识的车辆在通行过程中所经过的存在有第一门架数据标识的所有ETC主线门架对该车辆的车牌抓拍到的次数进行累加,从而得到第一门架数据的车牌抓拍次数和将具有相同通行标识的车辆在通行过程中所经过的存在有第二门架数据标识的所有ETC主线门架对该车辆的车牌抓拍到的次数进行累加,从而得到第二门架数据的车牌抓拍次数。
S524:选择第一门架数据的车牌抓拍次数和第二门架数据的车牌抓拍次数作为子模型的稽查审核的特征参数。
具体地,通过在J 型逃费车稽核模型中添加第一门架数据中的车牌抓拍记录字段和第二门架数据中的车牌抓拍记录字段,并选择第一门架数据中的车牌抓拍记录字段和第二门架数据中的车牌抓拍记录字段中的值,即选择第一门架数据的车牌抓拍次数和第二门架数据的车牌抓拍次数作为出口流水维度稽核子模型的稽查审核的特征参数。
S525:根据特征参数对车辆的通行行为进行特征判断,若车辆同时具有第一门架数据和第二车架数据中车牌抓拍的记录,则车辆数据为待补缴费用的J型嫌疑车辆数据。
具体地,根据出口流水维度稽核子模型的稽查审核的特征参数对车辆的通行行为进行特征判断,若该车辆同时具有第一门架数据和第二车架数据中车牌抓拍的记录,即该车辆存在第一门架数据的车牌抓拍次数和第二门架数据的车牌抓拍次数均大于0,则可以判定该车辆为待补缴费用的J型嫌疑车辆,从而根据判定结果从J 型逃费车稽核模型中筛查出该车辆的数据,为后续的追缴工作的开展做准备。
在一实施例中,J 型逃费车稽核模型还包括门架计费维度稽核子模型,应用于稽查在本路段J型行驶但在其他路段离开高速的车辆。如图6所示,在步骤S50中,即使用门架计费维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据,具体包括:
S531:通过识别车牌字段将ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合。
具体地,为了针对不同路段的车辆通行行为的情况,从J 型逃费车稽核模型中设置了门架计费维度稽核子模型,应用于稽查在本路段J型行驶但在其他路段离开高速的车辆,即门架计费维度稽核子模型主要针对于车辆在某高速口进入高速,却没有在该高速相应路段的高速出口驶出,并在该高速相应路段存在J型行驶的通行行为进行稽查,从而有助于对异常情况的灵活处理,提高了稽核的灵活性。
进一步地,在通过识别车牌字段将ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合前,先对ETC 门架计费流水数据进行数据清洗,该数据清洗包括对ETC门架计费流水数据中的匝道门架计费流水数据、免费车辆的流水数据和干扰车牌的流水数据进行剔除,对异常干扰数据进行剔除可以保证数据的准确性,尽量避免了脏数据对稽查结果的准确度产生影响。
进一步地,通过上述提取的第一特征字段中的识别车牌字段将经过数据清洗后的ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合。
S532:从关联融合后的数据中筛选出同时存在门架车牌识别流水数据和门架计费流水数据的车辆,以剔除反向门架的误计费流水数据,并通过同一通行标识进行关联出口流水数据,得到待处理的门架计费流水数据。
具体地,从关联融合后的数据中筛选出同时存在门架车牌识别流水数据和门架计费流水数据的车辆,即该车辆在清洗后的ETC 门架计费流水数据和ETC门架车牌识别数据中均存在通行记录,以剔除反向门架的误计费流水数据,有利于及时筛查出因反向门架、反向收费站参数未设置、错设置等问题导致反向门架误计费的异常流水,进而能及时地联系相关技术维护人员进行修正,确保参数设置合规和计费准确,从而有利于指导和促进收费营运管理的改进,有助于形成良好且正常的收费秩序。
进一步地,将关联融合后的数据通过车辆的同一通行标识对出口数据进行关联,得到待处理的门架计费流水数据,并对待处理的门架计费流水数据进行数据清洗,数据清洗包括剔除本路段出口数据,由于该门架计费维度稽核子模型应用于稽查在本路段J型行驶但在其他路段离开高速的车辆,所以本路段出口数据属于异常干扰的数据,进而可以保证数据的干净性和准确性,尽量避免了脏数据对本次稽查结果的准确度产生影响。
S533:根据待处理的门架计费流水数据,分别筛选出具有同一通行标识的车辆在第一门架数据和第二门架数据中的门架计费成功的流水数据,得到第一门架数据的门架计费成功流水数据和第二门架数据的门架计费成功流水数据。
具体地,根据上述对待处理的门架计费流水数据进行数据清洗后的数据,分别从清洗后的数据中筛选出具有同一通行标识的车辆在第一门架数据和第二门架数据中的门架计费成功的流水数据,得到第一门架数据的门架计费成功流水数据和第二门架数据的门架计费成功流水数据,即将具有相同通行标识的车辆在通行过程中所经过的存在有第一门架数据标识的所有ETC主线门架对该车辆的计费成功的流水数据的记录筛选出来,从而得到第一门架数据的门架计费成功流水数据和将具有相同通行标识的车辆在通行过程中所经过的存在有第二门架数据标识的所有ETC主线门架对该车辆的计费成功的流水数据的记录筛选出来,从而得到第二门架数据的门架计费成功流水数据。
S534:选择第一门架数据的门架计费成功流水数据和第二门架数据的门架计费成功流水数据作为子模型的稽查审核的特征参数。
具体地,通过选择第一门架数据的门架计费成功流水数据和第二门架数据的门架计费成功流水数据作为该门架计费维度稽核子模型的稽查审核的特征参数。
S535:根据特征参数对车辆的通行行为进行特征判断,若车辆同时存在第一门架数据和第二门架数据中的门架计费成功的流水数据,则车辆数据为待补缴费用的J型嫌疑车辆数据。
具体地,根据门架计费维度稽核子模型的稽查审核的特征参数对车辆的通行行为进行特征判断,若该车辆同时存在第一门架数据和第二门架数据中的门架计费成功的流水数据,则可以判定该车辆为待补缴费用的J型嫌疑车辆,从而根据判定结果从J 型逃费车稽核模型中筛查出该车辆的数据,为后续的追缴工作的开展做准备。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种J 型行驶逃费车辆的稽查系统,该J 型行驶逃费车辆的稽查系统与上述实施例中一种J 型行驶逃费车辆的稽查方法一一对应。如图7所示,该J 型行驶逃费车辆的稽查系统包括时间周期设定模块模块、数据获取模块模块、数据生成模块模块、模型构建模块和数据筛查模块。各功能模块详细说明如下:
时间周期设定模块,用于设定需要稽查的时间周期;
数据获取模块,用于获取高速公路中与时间周期相对应的门架流水数据,其中,门架流水数据包括出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据;
数据生成模块,用于获取ETC门架桩号,根据ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据;
模型构建模块,用于基于门架流水数据、第一门架数据和第二门架数据构建J 型逃费车稽核模型;
数据筛查模块,用于从J 型逃费车稽核模型中筛查,得到待补缴费用的嫌疑车辆数据。
可选的,模型构建模块包括:
第一特征字段提取模块,用于从门架流水数据中提取第一特征字段,其中,第一特征字段包括识别车牌字段和通行标识字段;
数据关联模块,用于通过第一特征字段将门架流水数据进行关联融合,得到待处理的门架流水数据;
第一门架的门架流水数据获取子模块,用于根据第一门架数据,从待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,得到第一门架的门架流水数据;
第二门架的门架流水数据获取子模块,用于根据第二门架数据,从待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,得到第二门架的门架流水数据;
模型构建子模块,用于根据第一门架的门架流水数据、第二门架的门架流水数据和出口流水数据,得到J 型逃费车稽核模型。
可选的,模型构建模块还包括:
出口流水维度稽核子模型模块,用于稽查在本路段离开高速的车辆;
门架计费维度稽核子模型模块,用于稽查在本路段J型行驶但在其他路段离开高速的车辆。
可选的,数据筛查模块包括:
第二特征字段提取模块,用于从J 型逃费车稽核模型中选定第二特征字段,作为稽查审核的特征参数,其中,第二特征字段包括车辆在第一门架数据中的车牌抓拍流水数据和门架计费成功流水数据以及车辆在第二门架数据中的车牌抓拍流水数据和门架计费成功流水数据;
数据判断模块,用于根据特征参数对车辆的通行行为进行特征判断,根据判定结果从J 型逃费车稽核模型中筛查出待补缴费用的J型嫌疑车辆数据。
可选的,数据筛查模块还包括:
第一数据筛查子模块,用于根据出口流水维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据;
第二数据筛查子模块,用于根据门架计费维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据。
可选的,第一数据筛查子模块包括:
第一数据关联子模块,用于通过识别车牌字段将出口流水数据和ETC门架车牌识别数据进行关联融合;
第一数据清洗模块,用于对关联融合后的数据进行数据清洗,该数据清洗包括对关联融合后的数据中的匝道ETC门架车牌抓拍流水数据进行剔除;
数据统计模块,用于根据数据清洗后的数据,分别统计具有相同通行标识的车辆在第一门架数据和第二车架数据中的车牌抓拍次数,得到第一门架数据的车牌抓拍次数和第二门架数据的车牌抓拍次数;
第一稽查特征参数设定模块,用于选择第一门架数据的车牌抓拍次数和第二门架数据的车牌抓拍次数作为子模型的稽查审核的特征参数;
第一数据判断子模块,用于根据特征参数对车辆的通行行为进行特征判断,若车辆同时具有第一门架数据和第二车架数据中车牌抓拍的记录,则车辆数据为待补缴费用的J型嫌疑车辆数据。
可选的,第二数据筛查子模块包括:
第二数据清洗模块,用于对ETC 门架计费流水数据进行数据清洗,数据清洗包括剔除匝道门架计费流水数据和剔除免费车辆和干扰车牌的流水数据;
第二数据关联子模块,通过识别车牌字段将经过第二数据清洗模块清洗的ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合;
数据剔除模块,用于从关联融合后的数据中筛选出同时存在门架车牌识别流水数据和门架计费流水数据的车辆,以剔除反向门架的误计费流水数据,并通过同一通行标识进行关联出口流水数据,得到待处理的门架计费流水数据;
第三数据清洗模块,用于对待处理的门架计费流水数据进行数据清洗,数据清洗包括剔除本路段出口数据;
计费流水数据筛选模块,用于根据经过第三数据清洗模块清洗的待处理的门架计费流水数据,分别筛选出具有同一通行标识的车辆在第一门架数据和第二门架数据中的门架计费成功的流水数据,得到第一门架数据的门架计费成功流水数据和第二门架数据的门架计费成功流水数据;
第二稽查特征参数设定模块,用于选择第一门架数据的门架计费成功流水数据和第二门架数据的门架计费成功流水数据作为子模型的稽查审核的特征参数;
第二数据判断子模块,用于根据特征参数对车辆的通行行为进行特征判断,若车辆同时存在第一门架数据和第二门架数据中的门架计费成功的流水数据,则车辆数据为待补缴费用的J型嫌疑车辆数据。
关于一种J 型行驶逃费车辆的稽查系统的具体限定可以参见上文中对于一种J型行驶逃费车辆的稽查方法的限定,在此不再赘述。上述J 型行驶逃费车辆的稽查系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种J 型行驶逃费车辆的稽查方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
设定需要稽查的时间周期;
获取高速公路中与时间周期相对应的门架流水数据,其中,门架流水数据包括出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据;
获取ETC门架桩号,根据ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据;
基于门架流水数据、第一门架数据和第二门架数据构建J 型逃费车稽核模型;
从J 型逃费车稽核模型中筛查,得到待补缴费用的J型嫌疑车辆数据。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
设定需要稽查的时间周期;
获取高速公路中与时间周期相对应的门架流水数据,其中,门架流水数据包括出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据;
获取ETC门架桩号,根据ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据;
基于门架流水数据、第一门架数据和第二门架数据构建J 型逃费车稽核模型;
从J 型逃费车稽核模型中筛查,得到待补缴费用的J型嫌疑车辆数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种J 型行驶逃费车辆的稽查方法,其特征在于,所述J 型行驶逃费车辆的稽查方法包括:
设定需要稽查的时间周期;
获取高速公路中与所述时间周期相对应的门架流水数据,其中,所述门架流水数据包括出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据;
获取ETC门架桩号,根据所述ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据;
基于所述门架流水数据、所述第一门架数据和所述第二门架数据构建J 型逃费车稽核模型;
从所述J 型逃费车稽核模型中筛查,得到待补缴费用的J型嫌疑车辆数据。
2.根据权利要求1所述的一种J 型行驶逃费车辆的稽查方法,其特征在于,所述基于所述门架流水数据、所述第一门架数据和所述第二门架数据构建J 型逃费车稽核模型,具体包括:
从所述门架流水数据中提取第一特征字段,其中,所述第一特征字段包括识别车牌字段和通行标识字段;
通过所述第一特征字段将所述门架流水数据进行关联融合,得到待处理的门架流水数据;
根据第一门架数据,从所述待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,得到第一门架的门架流水数据;
根据第二门架数据,从所述待处理的门架流水数据中筛选出具有同一通行标识的车辆的门架流水数据,得到第二门架的门架流水数据;
根据所述第一门架的门架流水数据、所述第二门架的门架流水数据和出口流水数据,得到J 型逃费车稽核模型。
3.根据权利要求1所述的一种J 型行驶逃费车辆的稽查方法,其特征在于,所述从所述J 型逃费车稽核模型中筛查,得到待补缴费用的嫌疑车辆数据,具体包括:
从所述J 型逃费车稽核模型中选定第二特征字段,作为稽查审核的特征参数,其中,所述第二特征字段包括车辆在所述第一门架数据中的车牌抓拍记录字段和门架计费成功流水字段以及车辆在所述第二门架数据中的车牌抓拍记录字段和门架计费成功流水字段;
根据所述特征参数对车辆的通行行为进行特征判断,根据判定结果从所述J 型逃费车稽核模型中筛查出待补缴费用的J型嫌疑车辆数据。
4.根据权利要求1-3任一项所述的一种J 型行驶逃费车辆的稽查方法,其特征在于,所述J 型逃费车稽核模型包括出口流水维度稽核子模型,应用于稽查在本路段离开高速的车辆,使用所述出口流水维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据,具体包括:
通过识别车牌字段将出口流水数据和ETC门架车牌识别数据进行关联融合;
对关联融合后的数据进行数据清洗;
根据所述数据清洗后的数据,分别统计具有相同通行标识的车辆在所述第一门架数据和所述第二车架数据中的车牌抓拍次数,得到第一门架数据的车牌抓拍次数和第二门架数据的车牌抓拍次数;
选择所述第一门架数据的车牌抓拍次数和所述第二门架数据的车牌抓拍次数作为所述子模型的稽查审核的特征参数;
根据所述特征参数对车辆的通行行为进行特征判断,若所述车辆同时具有第一门架数据和第二车架数据中车牌抓拍的记录,则所述车辆数据为待补缴费用的J型嫌疑车辆数据。
5.根据权利要求4所述的一种J 型行驶逃费车辆的稽查方法,其特征在于,所述对关联融合后的数据进行数据清洗,所述数据清洗包括对关联融合后的数据中的匝道ETC门架车牌抓拍流水数据进行剔除。
6.根据权利要求1-3任一项所述的一种J 型行驶逃费车辆的稽查方法,其特征在于,所述J 型逃费车稽核模型包括门架计费维度稽核子模型,应用于稽查在本路段J型行驶但在其他路段离开高速的车辆,使用所述门架计费维度稽核子模型筛查待补缴费用的J型嫌疑车辆数据,具体包括:
通过识别车牌字段将ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合;
从关联融合后的数据中筛选出同时存在门架车牌识别流水数据和门架计费流水数据的车辆,以剔除反向门架的误计费流水数据,并通过同一通行标识进行关联出口流水数据,得到待处理的门架计费流水数据;
根据待处理的门架计费流水数据,分别筛选出具有同一通行标识的车辆在所述第一门架数据和所述第二门架数据中的门架计费成功的流水数据,得到第一门架数据的门架计费成功流水数据和第二门架数据的门架计费成功流水数据;
选择所述第一门架数据的门架计费成功流水数据和所述第二门架数据的门架计费成功流水数据作为所述子模型的稽查审核的特征参数;
根据所述特征参数对车辆的通行行为进行特征判断,若所述车辆同时存在第一门架数据和第二门架数据中的门架计费成功的流水数据,则所述车辆数据为待补缴费用的J型嫌疑车辆数据。
7.根据权利要求6所述的一种J 型行驶逃费车辆的稽查方法,其特征在于,在所述通过识别车牌字段将ETC 门架计费流水数据和ETC门架车牌识别数据进行关联融合步骤前,还包括:
对ETC 门架计费流水数据进行数据清洗,所述数据清洗包括剔除匝道门架计费流水数据和剔除免费车辆和干扰车牌的流水数据;
在得到待处理的门架计费流水数据步骤后,还包括:
对所述待处理的门架计费流水数据进行数据清洗,所述数据清洗包括剔除本路段出口数据。
8.一种J 型行驶逃费车辆的稽查系统,其特征在于,所述J 型行驶逃费车辆的稽查系统包括:
时间周期设定模块,用于设定需要稽查的时间周期;
数据获取模块,用于获取高速公路中与所述时间周期相对应的门架流水数据,其中,所述门架流水数据包括出口流水数据、ETC门架车牌识别数据和ETC 门架计费流水数据;
数据生成模块,用于获取ETC门架桩号,根据所述ETC门架桩号的大小顺序关系,分别生成第一门架数据和第二门架数据;
模型构建模块,用于基于所述门架流水数据、所述第一门架数据和所述第二门架数据构建J 型逃费车稽核模型;
数据筛查模块,用于从所述J 型逃费车稽核模型中筛查,得到待补缴费用的嫌疑车辆数据
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的一种J 型行驶逃费车辆的稽查方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的一种J 型行驶逃费车辆的稽查方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386912.2A CN117370773B (zh) | 2023-10-24 | 2023-10-24 | 一种j型行驶逃费车辆的稽查方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386912.2A CN117370773B (zh) | 2023-10-24 | 2023-10-24 | 一种j型行驶逃费车辆的稽查方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117370773A true CN117370773A (zh) | 2024-01-09 |
CN117370773B CN117370773B (zh) | 2024-05-14 |
Family
ID=89403738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311386912.2A Active CN117370773B (zh) | 2023-10-24 | 2023-10-24 | 一种j型行驶逃费车辆的稽查方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117370773B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016107301A1 (zh) * | 2014-12-30 | 2016-07-07 | 北京握奇智能科技有限公司 | 一种稽查静态车辆的方法和系统 |
CN115934773A (zh) * | 2023-01-06 | 2023-04-07 | 北京迈道科技有限公司 | 高速公路流水数据的稽查方法、装置、服务器及存储介质 |
CN116246470A (zh) * | 2023-01-12 | 2023-06-09 | 广东利通科技投资有限公司 | 高速公路门架逃费稽查方法、装置、电子设备及存储介质 |
CN116433166A (zh) * | 2022-12-15 | 2023-07-14 | 贵州中南交通科技有限公司 | 高速公路收费异常稽核系统及方法 |
-
2023
- 2023-10-24 CN CN202311386912.2A patent/CN117370773B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016107301A1 (zh) * | 2014-12-30 | 2016-07-07 | 北京握奇智能科技有限公司 | 一种稽查静态车辆的方法和系统 |
CN116433166A (zh) * | 2022-12-15 | 2023-07-14 | 贵州中南交通科技有限公司 | 高速公路收费异常稽核系统及方法 |
CN115934773A (zh) * | 2023-01-06 | 2023-04-07 | 北京迈道科技有限公司 | 高速公路流水数据的稽查方法、装置、服务器及存储介质 |
CN116246470A (zh) * | 2023-01-12 | 2023-06-09 | 广东利通科技投资有限公司 | 高速公路门架逃费稽查方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
宋斐;: "高速公路智能稽查系统设计", 黑龙江交通科技, no. 12, 15 December 2015 (2015-12-15), pages 192 - 193 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN117370773B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117370773B (zh) | 一种j型行驶逃费车辆的稽查方法、系统、设备及介质 | |
JP4334870B2 (ja) | 車両のトリップ決定システムおよび方法 | |
CN112581642B (zh) | 一种基于高速公路门架计费数据的偷逃费车辆稽查方法 | |
US20130132166A1 (en) | Smart toll network for improving performance of vehicle identification systems | |
CN107329977B (zh) | 一种基于概率分布的假牌车二次筛选方法 | |
CN111932897A (zh) | 一种高速公路收费稽查快速迭代的方法 | |
CN112802215A (zh) | 高速公路通行费用的稽核方法、装置、设备及存储介质 | |
CN110598999B (zh) | 基于个体数据的交通出行分析方法、系统及存储介质 | |
CN112711619B (zh) | 基于北斗定位的公路逃费稽查平台 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
CN106571040B (zh) | 一种可疑车辆确认方法及设备 | |
CN108305461A (zh) | 一种偷逃费嫌疑车辆的确定方法和装置 | |
CN108230724A (zh) | 一种基于极大概率估计的城市公交系统车载报站缺失数据修补方法 | |
Tsao et al. | Image-based expert-system approach to distress detection on CRC pavement | |
CN113569899A (zh) | 偷逃费行为智能分类方法、存储介质和终端 | |
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 | |
CN112053564A (zh) | 一种高速公路路网车卡不符稽核方法 | |
CN113223200A (zh) | 基于指标维度的公路偷逃智能防控方法、存储介质和系统 | |
KR100382460B1 (ko) | 요금 징수방법 | |
CN115934773A (zh) | 高速公路流水数据的稽查方法、装置、服务器及存储介质 | |
CN110910522A (zh) | 一种etc门架系统运行期间的测试方法 | |
CN117037303A (zh) | 一种etc双重验证方法、装置、设备及介质 | |
CN114780591A (zh) | 一种检测行程车牌识别错误的计算方法和系统 | |
CN115311750A (zh) | 一种etc门架运行质量的监测方法及装置 | |
CN110517364B (zh) | 基于大数据分析的节假日免费打逃系统及方法 |
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 |