基于WEKA的高速公路換卡逃費(fèi)問(wèn)題研究

夏蘇哲， 瞿 輝， 唐又林

中海網(wǎng)絡(luò)科技股份有限公司，上海200135

0 引 言

隨著我國(guó)高速公路建設(shè)的快速發(fā)展，各省市聯(lián)網(wǎng)收費(fèi)的路網(wǎng)規(guī)模不斷擴(kuò)大，進(jìn)出路網(wǎng)只繳納一次費(fèi)用的特點(diǎn)一方面方便了高速公路的用戶，另一方面，隨著單次最大收費(fèi)額的不斷增加，偷逃通行費(fèi)所帶來(lái)的高額利潤(rùn)使得該行為呈日益增長(zhǎng)趨勢(shì)。為了維護(hù)高速公路的正常秩序，保證收費(fèi)工作健康穩(wěn)定進(jìn)行，收費(fèi)稽查顯得尤為重要?，F(xiàn)有的稽查方式主要是人工手動(dòng)稽查，智能手段相對(duì)缺乏，而相當(dāng)一部分偷逃通行費(fèi)行為會(huì)在收費(fèi)數(shù)據(jù)中留下痕跡，引發(fā)相關(guān)數(shù)據(jù)異常，如何利用這些痕跡發(fā)現(xiàn)并解決偷逃費(fèi)問(wèn)題已成為收費(fèi)稽查工作關(guān)注的重點(diǎn)。

“數(shù)據(jù)挖掘”可以從大量的數(shù)據(jù)中提取有用的信息，發(fā)現(xiàn)數(shù)據(jù)之間潛在的關(guān)系，并有可能發(fā)現(xiàn)問(wèn)題所在，幫助找出解決辦法?，F(xiàn)有的聯(lián)網(wǎng)收費(fèi)系統(tǒng)交易流水?dāng)?shù)據(jù)大而齊全，可能隱含著豐富但尚未發(fā)現(xiàn)的偷逃費(fèi)信息，因此，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于高速公路收費(fèi)稽查，研究高速公路換卡逃費(fèi)問(wèn)題，進(jìn)而打擊和防范偷逃費(fèi)行為，具有非常重要的現(xiàn)實(shí)意義。

1 偷逃通行費(fèi)現(xiàn)象分析

聯(lián)網(wǎng)收費(fèi)的基本特征是行駛于路網(wǎng)的車(chē)輛只需要繳納一次通行費(fèi)，入口發(fā)卡、出口驗(yàn)卡收費(fèi)，實(shí)現(xiàn)路網(wǎng)內(nèi)“一卡通”的服務(wù)目標(biāo)［1］。由于單次最大通行費(fèi)的增加、各路段管理的差異，使得偷逃通行費(fèi)現(xiàn)象日趨嚴(yán)重。經(jīng)分析，偷逃通行費(fèi)現(xiàn)象大致可分為四類(lèi)，每一類(lèi)又包括若干種方式，如表1所示。

表1 偷逃通行費(fèi)行為分類(lèi)

收費(fèi)稽查作為查處偷逃通行費(fèi)行為的重要措施，正面臨著越來(lái)越大的挑戰(zhàn)?，F(xiàn)有的收費(fèi)稽查方式對(duì)規(guī)范收費(fèi)操作流程起到了很好的作用，但對(duì)于日益嚴(yán)重的逃繳費(fèi)行為和花樣繁多的偷逃費(fèi)方式卻效率不高。

目前，聯(lián)網(wǎng)高速公路的收費(fèi)稽查主要采用現(xiàn)場(chǎng)稽查和事后稽查兩種方式?，F(xiàn)場(chǎng)稽查指現(xiàn)場(chǎng)就能發(fā)現(xiàn)作弊行為，由收費(fèi)工作人員和稽查人員直接處理偷逃費(fèi)事件，例如損壞通行卡、假冒軍警車(chē)＼綠通車(chē)、假證、U轉(zhuǎn)車(chē)等。事后稽查主要包括兩種情況：

（1）收費(fèi)員現(xiàn)場(chǎng)很難判斷（或者判斷時(shí)間比較長(zhǎng)），為避免影響車(chē)道暢通，收費(fèi)員讓可疑車(chē)輛正常通行，并把通行記錄交由后臺(tái)稽查人員進(jìn)行詳細(xì)判斷，如果存在逃繳費(fèi)行為，則把該車(chē)輛加入黑名單，下次再進(jìn)入高速時(shí)進(jìn)行處理。

（2）對(duì)系統(tǒng)數(shù)據(jù)庫(kù)進(jìn)行分析，發(fā)現(xiàn)隱藏在正常通行記錄中且未被發(fā)現(xiàn)的可疑數(shù)據(jù)，然后通過(guò)比較出入口抓拍的圖片等方式進(jìn)一步判斷，如果確認(rèn)存在違規(guī)行為，則把該車(chē)輛加入黑名單。

這里針對(duì)第（2）種情況進(jìn)行數(shù)據(jù)挖掘。

2 關(guān)鍵技術(shù)及挖掘環(huán)境

2.1 數(shù)據(jù)挖掘關(guān)鍵技術(shù)

數(shù)據(jù)挖掘是從大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價(jià)值的信息的過(guò)程。數(shù)據(jù)挖掘的任務(wù)有特征化與區(qū)分、頻繁模式、關(guān)聯(lián)和相關(guān)性挖掘、分類(lèi)與回歸、聚類(lèi)分析、離群點(diǎn)分析等。這些任務(wù)可以分為兩類(lèi)：描述性和預(yù)測(cè)性。描述性挖掘任務(wù)刻畫(huà)目標(biāo)數(shù)據(jù)中數(shù)據(jù)的一般性質(zhì)；預(yù)測(cè)性挖掘任務(wù)在當(dāng)前數(shù)據(jù)上進(jìn)行歸納，以便做出預(yù)測(cè)［2］。這里主要介紹分類(lèi)方法，屬于預(yù)測(cè)性挖掘。

分類(lèi)算法通過(guò)對(duì)已知類(lèi)別訓(xùn)練集的分析，從中發(fā)現(xiàn)分類(lèi)規(guī)則，以此預(yù)測(cè)新數(shù)據(jù)的類(lèi)別。主要分析出口流水?dāng)?shù)據(jù)中哪些字段與換卡逃費(fèi)現(xiàn)象有關(guān)，多字段輸入，單字段輸出。決策樹(shù)算法最適合解決這類(lèi)問(wèn)題。決策樹(shù)是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，它從一組無(wú)次序、無(wú)規(guī)則的元組中推理出以決策樹(shù)形式表示的分類(lèi)規(guī)則。

ID3算法是由J Ross Quinlan提出的、起初最著名的決策樹(shù)算法，此算法的目的在于減少樹(shù)的深度，但是忽略了葉子數(shù)目的研究。C4.5是最常用、最經(jīng)典的決策樹(shù)分類(lèi)算法之一，它繼承了ID3算法的優(yōu)點(diǎn)，并對(duì)ID3算法進(jìn)行了補(bǔ)充和完善。該算法采用信息增益率作為選擇分支屬性的標(biāo)準(zhǔn)，克服了ID3算法中信息增益選擇屬性時(shí)偏向選擇取值多的屬性的不足，而且能夠?qū)B續(xù)型數(shù)據(jù)和不完整數(shù)據(jù)進(jìn)行處理，其原理如下：

設(shè)訓(xùn)練數(shù)據(jù)集為X，目的是將訓(xùn)練集分為n類(lèi)，表示為A＝｛X1，X2，…，Xn｝，訓(xùn)練實(shí)例屬于第i類(lèi)的概率為P（A）＝i表示第i類(lèi)的訓(xùn)練實(shí)例個(gè)數(shù)，｜X｜表示X中的實(shí)例總數(shù)。

由式（1）、式（2）可知：屬性c的信息增益為：Z（X；c）＝B（X）－B（X／c）。信息增益越大，說(shuō)明測(cè)試屬性c提供給分類(lèi)的信息越大，所以選擇屬性c后對(duì)分類(lèi)的不確定度越小。ID3算法選擇使得信息增益值最大的屬性作為測(cè)試屬性。

C4.5算法繼承了ID3算法的優(yōu)點(diǎn)，并在此基礎(chǔ)上進(jìn)行了優(yōu)化。與ID3算法不同，C4.5算法采用信息增益率選擇屬性。信息增益率定義如下：

當(dāng)不同屬性提供相同的增益Gain（X；c）時(shí)，Split Inf o（X；c）的值越小越好。C4.5算法選擇具有最高信息增益率的屬性作為給定集合X的測(cè)試屬性，創(chuàng)建一個(gè)節(jié)點(diǎn)，以該屬性作為標(biāo)記，對(duì)屬性的每個(gè)值創(chuàng)建分支，并據(jù)此劃分樣本。

2.2 挖掘環(huán)境簡(jiǎn)介

懷卡托智能分析環(huán)境（Waikato Envir on ment f or Knowledge Analysis，WEKA）是一款免費(fèi)的、非商業(yè)化的基于JAVA環(huán)境下開(kāi)源的機(jī)器學(xué)習(xí)以及數(shù)據(jù)挖掘軟件，主要開(kāi)發(fā)者來(lái)自新西蘭。WEKA作為公開(kāi)的數(shù)據(jù)挖掘工作平臺(tái)，集成了大量能承擔(dān)數(shù)據(jù)挖掘任務(wù)的機(jī)器學(xué)習(xí)算法，包括對(duì)數(shù)據(jù)進(jìn)行預(yù)處理、關(guān)聯(lián)分析、分類(lèi)、回歸、聚類(lèi)以及在新的交互式界面上的可視化［3］。

把WEKA集成到My Eclipse中，便于對(duì)WEKA進(jìn)行二次開(kāi)發(fā)；修改或添加一些最新的數(shù)據(jù)挖掘算法，還可以把挖掘的結(jié)果以各種形式展示出來(lái)，使用戶能夠方便、清晰地找到所需的知識(shí)。在進(jìn)行挖掘前，需要配置JDBC，加載數(shù)據(jù)庫(kù)的驅(qū)動(dòng)。

3 實(shí)例應(yīng)用

3.1 換卡逃費(fèi)的表現(xiàn)形式

換卡逃費(fèi)是一種很常見(jiàn)的逃繳費(fèi)行為，如果只交換通行卡，車(chē)輛在出站時(shí)卡內(nèi)保存的入口車(chē)牌信息會(huì)與出口識(shí)別的車(chē)牌信息不同，該類(lèi)問(wèn)題車(chē)輛能被及時(shí)查出。如果車(chē)牌與通行卡同時(shí)交換，出站時(shí)收費(fèi)員則很難發(fā)現(xiàn)存在的問(wèn)題。現(xiàn)主要討論的是車(chē)牌與通行卡同時(shí)交換的情況。

1）雙向?qū)﹂_(kāi)換卡：兩車(chē)雙向?qū)﹂_(kāi)，中途互換通行卡，在對(duì)方入口收費(fèi)站附近站下路。一般情況下兩車(chē)嚴(yán)重超時(shí)，車(chē)型相似（相同），車(chē)牌號(hào)套牌或者中途換牌，都短途下路。

2）兩車(chē)同向換卡：兩車(chē)在到達(dá)目的地附近收費(fèi)站時(shí)，輕車(chē)先下路后上路，然后與重車(chē)互換通行卡；重車(chē)短途下路，輕車(chē)長(zhǎng)途下路。

3）輕車(chē)換卡：重車(chē)在接近目的地收費(fèi)站時(shí)，附近一輕車(chē)上路，然后兩車(chē)互換通行卡，在目的地收費(fèi)站下路。兩車(chē)一般情況下車(chē)型相似，車(chē)牌號(hào)套牌或者中途換牌，重車(chē)短途下路，輕車(chē)長(zhǎng)途下路。

這幾種方式具有很多共同的特征，例如超時(shí)、里程記錄較短等，通過(guò)選取與換卡逃費(fèi)可能相關(guān)的字段流水?dāng)?shù)據(jù)進(jìn)行分析，找出換卡逃費(fèi)問(wèn)題的數(shù)據(jù)特征。

3.2 數(shù)據(jù)預(yù)處理

任意選取某收費(fèi)站10天內(nèi)的出口通行記錄，刪除非正常收費(fèi)車(chē)、非正常通行的記錄，把余下的正常通行記錄分為兩部分，一部分作為訓(xùn)練集，余下的作為測(cè)試集。同樣，在特殊事件稽核表中選取1個(gè)月內(nèi)判定為換卡逃費(fèi)問(wèn)題車(chē)輛的出口通行記錄，部分添加到訓(xùn)練集，剩下的添加到測(cè)試集。

通過(guò)對(duì)出口流水?dāng)?shù)據(jù)的分析，選取了Deal Stat us（是否超時(shí)）、Veh Plate（出入口車(chē)牌是否相符）、Veh－Class（車(chē)型）、Toll Mode（收費(fèi)模式）、Total Exceed Weight（是否超重）、Distance（出入口之間的里程）等6個(gè)可能與換卡逃費(fèi)問(wèn)題相關(guān)的字段，并用ChangeCard字段保存是否換卡逃費(fèi)的結(jié)果。對(duì)每個(gè)字段的值預(yù)先進(jìn)行處理（見(jiàn)表2）。

3.3 建模及預(yù)測(cè)

在My Eclipse中創(chuàng)建工作目錄weka＿wor k，在 WEKA的安裝目錄中找到weka－src.jar，解壓并把main文件中的weka文件夾拖入到weka＿wor k工程中的src文件夾下。打開(kāi)weka.gui包，找到類(lèi)GUIChooser或Main，以”java application”的方式運(yùn)行，即可得到 WEKA主界面，見(jiàn)圖1。

WEKA Expl orer是集成的數(shù)據(jù)挖掘測(cè)試模塊，其中包含了大量的挖掘算法和功能強(qiáng)大的可視化工具。先使用open file打開(kāi)保存為arff格式的訓(xùn)練集，也可以直接選擇open DB連接數(shù)據(jù)庫(kù)獲取數(shù)據(jù)。在Classif y界面上選擇J48決策樹(shù)算法（C4.5算法在WEKA中的名稱(chēng)）建立模型，見(jiàn)圖2。

由結(jié)果可知，在3 722個(gè)實(shí)例中，3 653個(gè)實(shí)例判斷正確，69個(gè)實(shí)例判斷錯(cuò)誤，模型的準(zhǔn)確率為98.1462%.生成的決策樹(shù)模型見(jiàn)圖3，其表示為：未超時(shí)的車(chē)輛不存在換卡逃費(fèi)問(wèn)題；當(dāng)車(chē)輛處于超時(shí)狀態(tài)時(shí)，出入口車(chē)牌不符的車(chē)輛有96.88%的可能存在換卡逃費(fèi)問(wèn)題，出入口車(chē)牌相同時(shí)，出口與入口站間的里程＞100 k m則有87.5%的可能不存在換卡逃費(fèi)問(wèn)題；出入口站的里程在60～100 k m時(shí)，有74.07%的可能不存在換卡逃費(fèi)問(wèn)題；出入口站的里程在30～60 k m時(shí)，有78.18%的可能存在換卡逃費(fèi)問(wèn)題；當(dāng)出入口站的里程在0～30 k m時(shí)，車(chē)輛為1型或2型客車(chē)則有76.47%的可能存在換卡逃費(fèi)問(wèn)題，車(chē)輛為3型或4型客車(chē)則有73.33%的可能不存在換卡逃費(fèi)問(wèn)題，車(chē)輛為1型或2型貨車(chē)則有69.05%的可能存在換卡逃費(fèi)問(wèn)題，車(chē)輛為3型、4型或5型貨車(chē)則有80.65%的可能存在換卡逃費(fèi)問(wèn)題。

圖1 My Eclipse中WEKA運(yùn)行主界面

圖2 模型及誤差分析

圖3 決策樹(shù)模型

圖5 模型預(yù)測(cè)結(jié)果分析

為了保證生成模型的準(zhǔn)確性，使之不至于出現(xiàn)過(guò)擬合現(xiàn)象，選擇10折交叉驗(yàn)證來(lái)評(píng)估模型，具體方法是在Test options中選擇Cr oss－validation選項(xiàng)，F(xiàn)ol ds中填寫(xiě)10，執(zhí)行后，模型的準(zhǔn)確率為97.931 2%，表明此模型的準(zhǔn)確率比較高，能達(dá)到應(yīng)用要求。

圖4 十折交叉驗(yàn)證模型準(zhǔn)確率

WEKA一般有兩種方法可對(duì)生成的模型進(jìn)行測(cè)試：1）方法一

選擇Supplied test set，插入測(cè)試集數(shù)據(jù)，在Result list中右鍵選擇Re－eval uate model on current test set，由結(jié)果得知，在3 346個(gè)實(shí)例中，3 254個(gè)實(shí)例預(yù)測(cè)正確，92個(gè)實(shí)例預(yù)測(cè)錯(cuò)誤，模型預(yù)測(cè)的正確率為97.250 4%（見(jiàn)圖5）。

Result list中右鍵選擇Visualize classifier err ors，保存預(yù)測(cè)誤差的散點(diǎn)圖，然后從Prepr ocess界面中打開(kāi)，可發(fā)現(xiàn)倒數(shù)第二列多了1個(gè)字段predicted Change Car d，這個(gè)屬性的值就是模型對(duì)每個(gè)記錄的預(yù)測(cè)值（見(jiàn)圖6）。

2）方法二

WEKA也可以用命令行語(yǔ)句來(lái)對(duì)模型進(jìn)行預(yù)測(cè)，具體方法為打開(kāi)Si mple CLI模塊，輸入命令：java weka.classifiers.trees.J48－C 0.25－M 5－t E：＼model.arff－d E：＼model.model說(shuō)明：－C 0.25為J48算法的默認(rèn)參數(shù)；

－M 5表示每個(gè)葉的最小實(shí)例數(shù)量為5；

－t為訓(xùn)練集的路徑；

－d為模型保存的路徑。

圖6 預(yù)測(cè)數(shù)據(jù)

圖7 命令行預(yù)測(cè)結(jié)果及置信度

輸入上述命令即可得到?jīng)Q策樹(shù)模型，Si mpleCLI顯示結(jié)果與圖形界面顯示相同。然后把得到的模型應(yīng)用到測(cè)試集當(dāng)中，命令如下：

輸入上述命令得到結(jié)果如圖7所示。其中第3列為預(yù)測(cè)列，第4列為預(yù)測(cè)結(jié)果的置信度，例如第一個(gè)記錄有76.5%的可能存在換卡逃費(fèi)問(wèn)題，可根據(jù)置信度有選擇的對(duì)數(shù)據(jù)進(jìn)行最后判定。運(yùn)用命令行的好處是不用每次重新建模，直接使用保存好的模型即可，還可以根據(jù)置信度采納預(yù)測(cè)結(jié)果。

由預(yù)測(cè)結(jié)果可知，共有216個(gè)實(shí)例Change Car d為1，通過(guò)核對(duì)188個(gè)實(shí)例判斷正確，正確率為87.04%，表明模型預(yù)測(cè)效果很好。在實(shí)際工程中，稽查人員需對(duì)模型預(yù)測(cè)出的存在問(wèn)題的實(shí)例進(jìn)行核實(shí)，找出偷逃費(fèi)記錄。由于時(shí)效性，模型內(nèi)容要經(jīng)常更新，使用最新的訓(xùn)練數(shù)據(jù)集建立模型能更加有效地稽查偷逃費(fèi)行為。

4 結(jié) 語(yǔ)

針對(duì)高速公路常見(jiàn)的換卡逃費(fèi)問(wèn)題，運(yùn)用數(shù)據(jù)挖掘算法建立模型，解決了隱藏在正常收費(fèi)記錄中、原有系統(tǒng)不能發(fā)現(xiàn)的逃繳費(fèi)問(wèn)題，減少了通行費(fèi)的損失。本模型易于理解、準(zhǔn)確率較高，有一定的實(shí)用價(jià)值。隨著模型訓(xùn)練集的不斷增大和包含換卡逃費(fèi)現(xiàn)象種類(lèi)的增多，本研究模型將會(huì)進(jìn)一步完善。此外，把WEKA集成到My Eclipse中，便于后期對(duì)算法進(jìn)行改進(jìn)及開(kāi)發(fā)更多的可視化圖形，加深用戶對(duì)結(jié)果的理解。

［1］ 趙智明.高速公路跨區(qū)域電子聯(lián)網(wǎng)收費(fèi)系統(tǒng)的研究與實(shí)現(xiàn)［D］.華北電力大學(xué)，2006.

［2］ Han J，Kamber M，Pei J.Data Mining Concepts and Techniques［M］.China Machine Press，2012.

［3］ 張曉航，任文龍.基于數(shù)據(jù)挖掘的高速公路聯(lián)網(wǎng)收費(fèi)稽查研究［J］.軟件，2011（11）：57－59.