[發明專利]一種偷逃費嫌疑車輛的確定方法和裝置

在審

• 申請號: 201711387113.1
• 申請日: 2017-12-20
• 公開（公告）號: CN108305461A
• 公開（公告）日: 2018-07-20
• 發明（設計）人: 劉穎;楊磊;王智萍
• 申請（專利權）人: 大唐軟件技術股份有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017;G08G1/01
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

本發明提供了一種偷逃費嫌疑車輛的確定方法和裝置，涉及電子技術領域。其中，所述方法包括：獲取各個行車車輛對應的第一通行數據；提取第一通行數據中的檢測數據；將檢測數據輸入第一偷逃費嫌疑車輛確定模型，獲得檢測數據對應的第一標識或第二標識；其中，第一偷逃費嫌疑車輛確定模型是由第一訓練樣本訓練獲得；第一訓練樣本包括：正常車輛通行的第一訓練數據和對應的所述第一標識，及偷逃費車輛通行的第二訓練數據和對應的所述第二標識；判斷行車車輛是否為偷逃費嫌疑車輛。本發明能夠實現對偷逃費嫌疑車輛的自動挖掘與精準判別，為偷逃費車輛的治理和防范提供嫌疑車輛的精準判別和實時識別的技術手段。

技術領域

本發明涉及電子技術領域，尤其涉及一種偷逃費嫌疑車輛的確定方法和裝置。

背景技術

我國高速公路屬于收費公路，但是一些不法運輸企業和司機在利益的驅動下，采用各種手段少繳或拒繳高速通行費，不僅給高速公路運營企業和國家帶來了巨額經濟損失，而且還威脅著高速公路的安全運行，因此打擊偷逃費行為是高速公路運營管理的一項重要工作。目前高速管理部門對偷逃費車輛的稽查方式主要采用收費通行數據的簡單對比、人工詢問、現場核實、事后取證等方式，稽查手段落后，稽查效率不高，數據存在不準、不全、不及時等問題。

大數據具有“高維、海量、實時”的特點，在大數據時代，數據挖掘是最關鍵的工作。對于大數據的挖掘，傳統的數據挖掘技術可能很難解決，需要從算法的改進和方案的框架等多方面去提升處理能力。而大數據的挖掘是從海量、不完全的、有噪聲的、模糊的、隨機的大型數據庫中發現隱含在其中有價值的、潛在有用的信息和知識的過程，也是一種決策支持過程。其主要基于人工智能，機器學習，模式學習，統計學習等，通過對大數據高度自動化地分析，做出歸納性的推理，從中挖掘出潛在的模式，幫助用戶調整管理政策、識別異常、減少風險，并做出正確的決策。大數據的挖掘常用的方法有分類、回歸分析、聚類、關聯規則、神經網絡方法、Web數據挖掘等，這些方法針對不同的需求，從不同角度對數據進行挖掘。

針對上述問題，現有方案如下：

方案一是基于聯網收費數據并結合設定的算法，對車輛通行數據進行逐條鑒別；此方案是基于收費系統進行改造，在原有收費系統中添加部分稽查字段，依據設定的簡單算法對于超時、出入口車牌不符等車輛異常信息進行標記，靠人工并結合聯網收費系統出入口數據來甄別偷逃費嫌疑車輛，當車輛途徑收費站時，收費員發現車輛異常警示等情況詢問司機原因，再依據視頻、黑名單比對、設卡驗證、經驗判斷等方式進行違法

方案二是基于視頻大數據分析的高速公路防逃費稽查系統，此方案依托現有高速公路收費車道收費系統、車牌識別系統、高清卡口系統、視頻監控系統等基礎設施，通過區域性的防逃費系統平臺和站級平臺實現跨路段的數據共享、逃費信息提取和證據鏈管理；經過本系統稽查產生的黑、灰名單信息下發到各路段和收費車道，通過沿線的高清卡口系統、收費站車牌識別系統識別黑名單車輛并攔截、追繳通行費。

發明人在使用上述方案是具有以下問題：

方案一僅基于收費數據進行分析，并未結合路況、氣象等數據進行深層次的嫌疑車輛特征挖掘，導致分析結果理想化，不夠準確，誤判率高，后續仍需大量的人工核實和確認工作，且無法分析海量業務數據，難以快速智能的發現和核實違法車輛，影響正常收費秩序。因此該方案對于海量業務數據的價值挖掘不夠，缺乏對潛在的有偷逃費行為的車輛進行預知，輔助決策手段不足。

方案二的核心業務是證據提取、可疑車輛篩選、逃費證據鏈管理和存檔，主要與視頻監控系統、收費系統協同實現防逃費業務，其中部分可疑行為檢測和黑名單上傳下發過程沿用當前收費系統功能。而該方案主要是依據對視頻數據的分析獲取嫌疑數據，受原始視頻質量和保存時間所限，系統記錄的資料并不是絕對完整的，如入口沒有攝像頭，錄像資料沒有聲音信息，車輛改型光憑圖像無法確定等，因此對于偷逃費嫌疑車輛的自動挖掘不夠充分，識別準確度較低，有漏判可能，難以為偷逃費的治理和防范提供更加全面和及時的決策支撐。

發明內容