聯(lián)網(wǎng)收費模式下高速公路ETC防逃費技術(shù)的應(yīng)用

王玲

（山東省交通運輸廳工程建設(shè)事務(wù)中心，山東 濟南 250014）

0 引言

自2015年至2022年，國內(nèi)高速公路聯(lián)網(wǎng)收費模式已經(jīng)實行了7年。隨著信息技術(shù)的廣泛應(yīng)用，高速公路收費系統(tǒng)持續(xù)升級，相較于獨立收費模式，聯(lián)網(wǎng)收費模式實現(xiàn)了對高速公路交通信息由點到面的控制。現(xiàn)階段國內(nèi)各省市地區(qū)大多已經(jīng)完成“一張網(wǎng)”鋪設(shè)，但聯(lián)網(wǎng)收費系統(tǒng)復(fù)雜度較高，系統(tǒng)一日所收納的交通數(shù)據(jù)量較大，車輛的流水數(shù)據(jù)量大多隨著車輛在高速公路上行駛的里程增加而增大，加之高速公路收費數(shù)據(jù)存在錯誤，部分車主的ETC 逃費行為會導致卡點的流水數(shù)據(jù)不完整。由此，在聯(lián)網(wǎng)收費模式下，如何應(yīng)用ETC 防逃費技術(shù)維護高速公路交通環(huán)境，就成為高速公路逃費稽查工作的重點，本文將基于這一重點，針對逃費行為與防逃費技術(shù)展開理論分析。

1 高速公路ETC 逃費行為

現(xiàn)階段，高速公路ETC 逃費行為涵蓋典型的逃費行為與新型的逃費行為，從理論分析的角度上分析逃費行為的原因，一方面在于車主存在不愿意承擔高速公路通行費的心理，面對高額的通行費，部分車主選擇鋌而走險；另一方面則在于高速公路的聯(lián)網(wǎng)收費系統(tǒng)復(fù)雜、數(shù)據(jù)流量大，甚至聯(lián)網(wǎng)收費系統(tǒng)存在漏洞。除此之外，逃費稽查工作大多以人工稽查為主要工作方式，即利用聯(lián)網(wǎng)收費系統(tǒng)中的監(jiān)控子系統(tǒng)所收錄的車輛監(jiān)控信息，通過人工對比車牌號，分析車輛是否存在逃費行為，逃費稽查的工作效率相對較低。

2 車輛識別技術(shù)

車輛識別技術(shù)的原理為：在ETC 車道上方或收費站點側(cè)面的區(qū)域設(shè)置高精度圖像傳感器，利用圖像分析算法識別車輛信息，判別車輛的收費類型，將其與車輛流水數(shù)據(jù)做對比，最后從數(shù)據(jù)庫中篩選出存在逃費行為的車輛。

車輛識別技術(shù)的應(yīng)用流程如下：其一，對車輛品牌型號特征的檢測，利用高精度圖像傳感器獲取車輛特征?，F(xiàn)階段國內(nèi)的車輛品牌型號特征識別方法涵蓋車牌定位與車輛整體特征兩種。一般情況下，先應(yīng)用車牌定位檢測方法，在確定車牌位置后，應(yīng)用車輛整體特征，將兩種檢測方法結(jié)合后，能快速提取車輛所在區(qū)域，最后利用神經(jīng)網(wǎng)絡(luò)對所提取的車輛圖片樣本進行對比，分析車輛特征與車輛流水信息是否一致。其二，對車輛品牌型號特征的識別，基于所抓取的車輛圖片，利用圖像識別技術(shù)中的識別算法對車輛號碼、型號、車燈、霧燈、保險杠以及車輛的天窗等進行識別，通過檢測與識別，系統(tǒng)將會自動預(yù)測出車輛的繳費類型。其三，車身顏色的識別。車身顏色的識別應(yīng)用圖像識別技術(shù)，需經(jīng)過特征提取、顏色識別兩個環(huán)節(jié)，一般情況下車頭相對平坦的區(qū)域為特征提取區(qū)域，待車頭圖像提取完成后，利用Low-level 像素顏色值進行車身顏色的識別。但此方案在夜間的應(yīng)用效果一般，無法保證準確性。其四，圖像結(jié)構(gòu)化信息，為提高圖像庫車輛信息檢索的效率，需要對抓取的車輛圖像信息進行特征分析，現(xiàn)階段應(yīng)用較為廣泛的方法為Gabor、SLFT 等，應(yīng)用圖像局部特征分析法可以將紙巾盒、車輛掛墜、車檢標志等提取為結(jié)構(gòu)化信息，為逃費稽查工作追根溯源提供信息支撐。

車輛識別技術(shù)在ETC 逃費稽查工作中的應(yīng)用主要在以下幾個方面：其一，在ETC 車道的車輛入口位置抓拍車輛信息，如型號、車牌號、顏色等，當車輛駛?cè)隕TC 收費通道后，車輛識別系統(tǒng)將對駛?cè)氲能囕v進行自動化識別，而后將所識別的信息利用二值化的圖像展現(xiàn)出來，收費系統(tǒng)對車輛圖像數(shù)據(jù)做進一步處理，記錄車輛信息，將車輛信息傳送至收費站的服務(wù)器終端。其二，在ETC 車道車輛出口位置二次抓拍車輛信息，核實兩次信息是否一致，若兩次抓拍信息一致，將依照常規(guī)流程進行下一環(huán)節(jié)的操作，若兩次抓拍信息存在差異，則需從收費站服務(wù)器終端中調(diào)取車輛流水信息，核對后判定車輛的逃費行為。其三，建立車輛特征預(yù)警，將逃費行為記入信息庫，將信息庫與ETC 收費站的收費系統(tǒng)聯(lián)動，一旦嫌疑車輛進入ETC 收費站，車輛識別系統(tǒng)的外接預(yù)警設(shè)備將亮起、鳴笛。

3 數(shù)據(jù)倉庫技術(shù)

3.1 逃費稽查數(shù)據(jù)倉庫設(shè)計

數(shù)據(jù)倉庫技術(shù)的應(yīng)用原理為：從數(shù)據(jù)源中抽取ETC 出入口車輛流水表，將流水表轉(zhuǎn)換、重新裝載，使其形成具備分析價值的出入鏈信息，而后經(jīng)過數(shù)據(jù)的采集與整合，為逃費稽查工作人員判斷車輛是否存在逃費行為提供依據(jù)。逃費稽查數(shù)據(jù)倉庫的設(shè)計，需要從以下四個環(huán)節(jié)入手：

3.1.1 需求分析

逃費稽查數(shù)據(jù)倉庫的設(shè)計需求涵蓋以下幾點內(nèi)容：其一，針對性地處理聯(lián)網(wǎng)收費系統(tǒng)中的出入車輛數(shù)據(jù)流；其二，科學主動刻畫出存在逃費行為的車輛特征；其三，提前預(yù)測某一車輛于某一地點可能故意逃費；其四，動態(tài)識別逃費車輛的記錄，并自動報警。

3.1.2 構(gòu)建概念模型

在逃費稽查數(shù)據(jù)倉庫設(shè)計實踐中構(gòu)建儲存逃費車輛信息的概念模型，是最高層設(shè)計內(nèi)容，因概念模型與聯(lián)網(wǎng)收費模式下高速公路ETC 收費業(yè)務(wù)存在直接聯(lián)系，所以在設(shè)計概念模型前期需要充分了解相關(guān)的ETC 收費業(yè)務(wù)，概念模型的構(gòu)建流程如下：

第一，根據(jù)高速公路聯(lián)網(wǎng)收費系統(tǒng)的詳細說明對出行鏈與逃費信息進行梳理，在了解逃費行為的基礎(chǔ)上確定概念模型的大主題域為通行卡逃費出行鏈主題域。第二，根據(jù)逃費車輛數(shù)據(jù)流篩選重要指標，涵蓋車輛信息、收費信息、時間信息、載重信息、客戶標識信息、出行鏈信息，并將這六項指標作為大主題域下的子主題，形成概念模型。

3.1.3 邏輯模型設(shè)計

基于逃費出行鏈主題域進行逃費稽查數(shù)據(jù)倉庫邏輯模型設(shè)計，邏輯模型的設(shè)計方法分為星型與雪花型兩種，本文選取了星型邏輯設(shè)計方法。首先，進行事實表設(shè)計，將逃費出行鏈主題與概念模型作為基礎(chǔ)，構(gòu)造逃費出行鏈事實表：一級標題為出行鏈事實表；二級標題為車輛維度表、收費維度表、時間維度表、出行鏈維度表、客戶標識維度表、載重信息表；三級標題為二級標題的細化，其中車輛維度表的三級標題為出入口車牌、出口車型、出口車種、車牌是否相符以及出行費用。收費維度表的三級標題為總載重、軸重、計重標識、超限重量、軸型。時間維度表的三級標題為日期關(guān)鍵字、日分時段、季度、半年度、節(jié)假日指示符、星期指示符、重大事件。出行鏈維度表的三級標題為出行頻數(shù)累計、入口、出口、入口時間與上次出口時間差、距離差，是否閉環(huán)、入口或出口時間是否黑夜出行，是否高峰小時、入口時間是否工作日、出行路徑是否有服務(wù)區(qū)或開口、出行鏈速度、當前時段車輛平均車速、超時時長。收費維度表的三級標題為時間信息、車輛信息、總收費金額、收費金額非現(xiàn)金、（通行卡）金額、免費車金額、公務(wù)車金額以及未付金額。載重維度表的三級標題為軸組數(shù)、總軸數(shù)、總軸限軸型、各軸軸重、超限重量、修改前軸型、超限重量是否超重、超重比例、修改前總軸重、每月超重數(shù)、超重次數(shù)。客戶標識度維度表的三級標題為通行收費卡號、注冊車牌號、注冊車型。其次，進行維度表設(shè)計，在事實表基礎(chǔ)上對每一個通行卡進行逃費維度預(yù)測，并將高風險通行卡提取出來，作為下一個數(shù)據(jù)倉庫運行周期的預(yù)警通行卡。

3.1.4 物理模型設(shè)計

物理模型設(shè)計的意義在于進一步確定逃費稽查數(shù)據(jù)倉庫的性能，基于I/O 設(shè)計構(gòu)建逃費出行鏈主題域各個子域的物理模型，并為各子域的三級標題從“字段/數(shù)據(jù)類型/數(shù)據(jù)長度”三個方面配置數(shù)據(jù)屬性，例如為車輛維度表配置數(shù)據(jù)屬性：入口車牌En-VehiclePlate/Char（12）/12；出口車牌號 碼ExVehiclePlate/Char(12)/12；入口客貨標識EnVehicleFlag/TinyInt/1。為載重維度表配置數(shù)據(jù)屬性：總軸重TotalWeight/BigInt/8；總軸限 TotalWeightLimit/BigInt/8。為通行卡維度表配置數(shù)據(jù)屬性：出口流水號LaneExSerialNo/Char(16)/16；入口流水號LaneEnSerialNo/Char(16)/16；IC 卡 編 號ICInCardID/BigInt/4。

3.2 逃費稽查數(shù)據(jù)倉庫實現(xiàn)

3.2.1 數(shù)據(jù)處理

由聯(lián)網(wǎng)收費系統(tǒng)中抽取源數(shù)據(jù)—根據(jù)數(shù)據(jù)的轉(zhuǎn)換規(guī)則按照上文所配置的數(shù)據(jù)屬性轉(zhuǎn)換所抽取的源數(shù)據(jù)，并確定數(shù)據(jù)格式統(tǒng)一—按照逃費稽查數(shù)據(jù)倉庫既定的數(shù)據(jù)呈現(xiàn)方式將數(shù)據(jù)存儲至數(shù)據(jù)倉庫之中。

3.2.2 ETL 開發(fā)流程

Repository—創(chuàng)建Project 數(shù)據(jù)倉庫平臺（Microsoft SQL Server 2008）—Data Store 源和目標定義—某省某地高速公路路段數(shù)據(jù)—Job1 數(shù)據(jù)整合—Work Flow1 數(shù)據(jù)清洗轉(zhuǎn)換—Data Flow1 數(shù)據(jù)清洗—Data Flow2 數(shù)據(jù)轉(zhuǎn)換—Work Flow2 記錄合并—Project2 出行鏈主題事實表—Job2 提取數(shù)據(jù)—Data Flow—各維度數(shù)據(jù)錄入—Job 部署—Job 執(zhí)行—運行監(jiān)控。

3.2.3 結(jié)果分析

上述設(shè)計所建立的逃費稽查數(shù)據(jù)倉庫能夠為逃費稽查決策提供依據(jù)，在數(shù)據(jù)倉庫各層業(yè)務(wù)準則的指導下，源數(shù)據(jù)經(jīng)ETL 處理后可用于工作人員查詢異常流水數(shù)據(jù)。

4 數(shù)據(jù)挖掘技術(shù)

高速公路車輛流水數(shù)據(jù)是復(fù)雜的、異構(gòu)的、海量的，所以在逃費稽查工作中，如何提取高速公路車輛流水數(shù)據(jù)中的價值信息，成為逃費稽查工作的重點。數(shù)據(jù)挖掘技術(shù)能夠利用不同的數(shù)據(jù)分析方法與模型，根據(jù)用戶的目的對源數(shù)據(jù)進行分析，所以數(shù)據(jù)挖掘技術(shù)被作為高速公路ETC 防逃費技術(shù)。該項技術(shù)在逃費稽查中的具體應(yīng)用如下：

4.1 算法框架設(shè)計

基于高速公路ETC 防逃費目標設(shè)計預(yù)測模型：數(shù)據(jù)倉庫數(shù)據(jù)源—確定目標數(shù)據(jù)—系統(tǒng)聚類分析+Kmeans 聚類分析—逃費行為判別分析—聚類判別結(jié)果—邏輯回歸分析—建立預(yù)測模型—防逃費應(yīng)用。

該算法框架設(shè)計中采取兩種聚類分析相結(jié)合的目的主要在于提升算法實現(xiàn)的效率，使數(shù)據(jù)挖掘過程能夠滿足逃費行為的預(yù)測需求。

4.2 聚類分析方法

4.2.1 系統(tǒng)聚類

最短距離法見式（1）：

式（1）中：d表示g和g樣本之間的距離差;D(a,b)表示G和G不同總體中任意2 個樣本點g和g之間最小距離。

最長距離法見式（2）：

式（2）中：D(a,b)表示G和G不同總體中任意2 個樣本點g和g之間最長距離。

4.2.2 K-means 聚類

K-means 聚類中的k 為K-means 最初的聚類數(shù)，于算法初始化環(huán)節(jié)一組樣本數(shù)據(jù)需根據(jù)k（k≤n）找出各個樣本的聚類中心，而后將樣本歸并于差異值最小的集群之中，計算出平均值，重新確定樣本的聚類中心。經(jīng)過循環(huán)往復(fù)直至樣本于式（3）收斂：

式（3）中：m表示類C的樣本均值;x表示單個樣本數(shù)據(jù);k 表示輸入?yún)?shù)。

4.3 Fisher 判別分析

Fisher 判別模型的具體內(nèi)容如下：

假設(shè)在k 個總體G,G,…,G中選取n,n,…,n個數(shù)據(jù)，且令總數(shù)為：

4.4 邏輯回歸分析

邏輯回歸分析模型見式（5）：

在邏輯回歸分析實踐中應(yīng)重視篩選變量，同時保證建模的車輛流水數(shù)據(jù)樣本數(shù)量滿足要求。

4.5 建立預(yù)測模型

建立預(yù)測模型的流程為：抽取高速公路源數(shù)據(jù)—數(shù)據(jù)處理—逃費變量分析—確定存在逃費行為的車輛集—建立預(yù)測模型—驗證與評估車輛的逃費行為。

4.6 防逃費應(yīng)用

首先，選取A 省高速公路聯(lián)網(wǎng)收費系統(tǒng)中S 路段，所選取的路段全長223km，設(shè)有12 個ETC 收費站。選取時間為2021年5月6日～2021年8月14日，24h不間斷采集數(shù)據(jù)，在選取的時間內(nèi)，ETC 卡數(shù)量為20351 張、車輛流水記錄為207852 條。其次，將SAS 軟件與逃費稽查數(shù)據(jù)倉庫相連，獲取樣本數(shù)據(jù)，提取每一個ETC 出行鏈信息并處理，例如，按照ETC 車道的入口時間構(gòu)建車輛每次駛出的速度時序，找出速度時序圖中波動較大的樣本，將其判定為出行鏈異常車輛，將該車輛信息上傳至程序，由系統(tǒng)執(zhí)行逃費業(yè)務(wù)判斷，如該車輛符合系統(tǒng)所制定的逃費規(guī)則，則該車輛屬于“可疑逃費車輛”。再如，將60km/h 作為判定指標，對車輛ETC 出入口最大行駛時間進行計算，結(jié)合出行鏈信息中給出的實際行駛時間，判定車輛是否存在逃費的嫌疑,或結(jié)合出行鏈出入口車輛基本信息，如車牌、車型等，若存在多次對比不匹配，則判定該車輛為“可疑逃費車輛”。最后，將目標樣本數(shù)據(jù)進行聚類分析，根據(jù)聚類分析結(jié)果確定可疑逃費車輛。

5 結(jié)語

綜上所述，本文基于聯(lián)網(wǎng)收費模式下高速公路ETC 防逃費問題，闡述了高速公路ETC 逃費行為的分類與原因，分析了防逃費技術(shù)，涵蓋車輛識別技術(shù)、數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)。通過理論研究可以明確：數(shù)據(jù)倉庫技術(shù)與數(shù)據(jù)挖掘技術(shù)相輔相成，兩項技術(shù)不僅是聯(lián)網(wǎng)收費模式下高速公路逃費稽查工作效率得以大幅度提升的關(guān)鍵，還是通行費作弊逃費問題得以有效解決的根基。所以，在聯(lián)網(wǎng)收費模式下，高速公路管理部門應(yīng)對ETC 防逃費技術(shù)的應(yīng)用予以高度重視，積極利用現(xiàn)代信息技術(shù)解決ETC 逃費問題。