CN110570533B - 基于大数据分析的易混淆车打逃***及方法 - Google Patents
基于大数据分析的易混淆车打逃***及方法 Download PDFInfo
- Publication number
- CN110570533B CN110570533B CN201910831299.8A CN201910831299A CN110570533B CN 110570533 B CN110570533 B CN 110570533B CN 201910831299 A CN201910831299 A CN 201910831299A CN 110570533 B CN110570533 B CN 110570533B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- passenger
- confusable
- analysis
- station
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G07B15/063—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems using wireless information transmission between the vehicle and a fixed station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及基于大数据分析的易混淆车打逃***及方法,该***由收费车道单元、收费站单元、路段中心单元构成;收费车道单元为车道机;收费站单元由站级服务器和站级管理机构成,站级服务器与站级管理机通信连接;路段中心单元由数据服务器和分析服务器构成。该方法采用该***。本发明通过大数据分析精准识别易混淆车偷逃费事件,弥补人工稽查的短板,能有效打击易混淆车偷逃费现象并追缴欠款。
Description
技术领域
本发明涉及一种基于大数据分析的易混淆车打逃***及方法,属于高速公路收费设施辅助技术领域。
背景技术
随着高速公路网的扩张以及收费的提高,部分车户在经济利益的驱使下,利用各种手段偷逃高速公路通行费。这种行为给高速公路运营单位以及国家造成了严重的经济损失。其中一种情况涉及易混淆车,同一辆车在不同收费站出口有着不同的车型判定,这样的车即为易混淆车。这些易混淆车利用收费站的错误判定,或者使用伪造行驶证降低车辆“核定载客座位数”,或者私自更改车型,以达到偷逃费目的。
而目前高速公路运营单位在区分车型时主要是依靠人工稽查和人工录入、审核的方式,通过收费员查看车辆型号、车辆外观、座位布局和车辆铭牌等方法,结合手工录入的黑名单等一些原始的稽查手段进行,存在较大的局限性,无法及时全面地发现逃费车辆,不能有效地打击治理,针对目前偷逃费的严峻形势,研制出新的更高效、精准的查逃分析手段迫在眉睫。
经检索发现,申请号CN201711387113.1、申请公布号CN108305461A的中国发明专利申请,公开了一种偷逃费嫌疑车辆的确定方法和装置,该方法包括:获取各个行车车辆对应的第一通行数据;提取第一通行数据中的检测数据;将检测数据输入第一偷逃费嫌疑车辆确定模型,获得检测数据对应的第一标识或第二标识;其中,第一偷逃费嫌疑车辆确定模型是由第一训练样本训练获得;第一训练样本包括:正常车辆通行的第一训练数据和对应的所述第一标识,及偷逃费车辆通行的第二训练数据和对应的所述第二标识;判断行车车辆是否为偷逃费嫌疑车辆。然而,在以该技术方案为代表的现有技术中,虽然已经存在了多种分析识别高速公路车辆偷逃费的技术手段,但却并没有专门针对易混淆车偷逃费的技术方案。
发明内容
本发明的主要目的是:克服现有技术存在的问题,提供一种基于大数据分析的易混淆车打逃***,通过大数据分析精准识别易混淆车偷逃费事件,弥补人工稽查的短板,能有效打击易混淆车偷逃费现象。同时还提供相应的易混淆车打逃方法。
本发明解决其技术问题的技术方案如下:
一种基于大数据分析的易混淆车打逃***,由收费车道单元、收费站单元、路段中心单元构成;其特征是,所述收费车道单元为车道机;所述收费站单元由站级服务器和站级管理机构成,所述站级服务器与站级管理机通信连接;所述路段中心单元由数据服务器和分析服务器构成,所述数据服务器与分析服务器通信连接;所述车道机与站级服务器通信连接,所述站级服务器与数据服务器通信连接,所述分析服务器与站级管理机通信连接;
所述分析服务器用以根据数据服务器中的收费数据分析获得易混淆车嫌疑库,所述站级管理机用以审核易混淆车嫌疑库并形成易混淆车正式库;所述车道机用以根据易混淆车正式库识别易混淆车。
该***利用收费数据进行大数据分析,先从中分析出易混淆车嫌疑库,再通过审核确定出易混淆车正式库,并利用易混淆车正式库识别易混淆车,以实现打击易混淆车偷逃费现象。
本发明打逃***进一步完善的技术方案如下:
优选地,所述***具有:车道机采集收费数据并发送至站级服务器,站级服务器将收费数据汇总并发送至数据服务器的收费数据收集状态;
所述***还具有:在收费数据收集状态基础上,分析服务器从数据服务器获取收费数据并据此分析获得易混淆车嫌疑库,分析服务器将易混淆车嫌疑库下发至站级管理机,站级管理机通过审核易混淆车嫌疑库形成易混淆车正式库并发至站级服务器,站级服务器将易混淆车正式库下发至车道机的易混淆车信息下发状态;
所述***还具有:在易混淆车信息下发状态基础上,车道机将当前车道内车辆的车牌与易混淆车正式库进行比对,当比对结果为比中时,车道机向收费员显示提醒信息,车道机记录此次比中事件并上传至站级服务器的易混淆车识别状态。
更优选地,所述***还具有:在易混淆车信息下发状态基础上,站级服务器根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计,并得出各易混淆车的偷逃费信息数据的追逃统计状态;
所述***还具有:在追逃统计状态基础上,当成功追缴易混淆车偷逃费时,则由站级服务器记录该易混淆车偷逃费追缴成功事件,并将该易混淆车的偷逃费信息数据进行标记和封存的追逃记录状态。
更优选地,所述车道机具有收费数据采集模块以及易混淆车处理模块,其中,所述收费数据采集模块用以采集收费数据,所述易混淆车处理模块用以接收站级服务器发来的易混淆车正式库、将当前车道内车辆的车牌与易混淆车正式库进行比对、当比对结果为比中时向收费员显示提醒信息同时记录此次比中事件;
所述站级服务器具有收费数据汇总模块,易混淆车正式库存储模块,易混淆车比中事件处理模块,以及易混淆车偷逃费处理模块,其中,所述收费数据汇总模块用以汇总车道机发来的收费数据,所述易混淆车正式库存储模块用以存储站级管理机发来的易混淆车正式库,所述易混淆车比中事件处理模块用以接收车道机发来的比中事件并发出提醒信息,所述易混淆车偷逃费处理模块用以根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计并得出各易混淆车的偷逃费信息数据、当成功追缴易混淆车偷逃费时记录该易混淆车偷逃费追缴成功事件并将该易混淆车的偷逃费信息数据进行标记和封存;
所述站级管理机具有嫌疑易混淆车审核模块,用以审核分析服务器发来的易混淆车嫌疑库并形成易混淆车正式库;
所述数据服务器具有收费数据存储模块,用以存储站级服务器发来的收费数据;
所述分析服务器具有嫌疑易混淆车分析模块,用以从数据服务器获取收费数据并据此分析获得易混淆车嫌疑库。
更优选地,所述嫌疑易混淆车审核模块包括自动审核子模块和人工审核子模块,所述自动审核子模块用以根据预设的自动审核策略从易混淆车嫌疑库中选出易混淆车并放入易混淆车正式库中,所述人工审核子模块用以根据预设的人工审核策略从易混淆车嫌疑库中选出需要人工审核的嫌疑易混淆车以供审核、并将经人工审核确定的易混淆车放入易混淆车正式库中。
采用以上优选方案后,能更好地识别易混淆车偷逃费事件,利于更好地打击易混淆车偷逃费现象。
本发明还提供:
一种基于大数据分析的易混淆车打逃方法,其特征是,采用前文所述的易混淆车打逃***;所述方法包括以下步骤:
第一步、车道机采集收费数据并发送至站级服务器,站级服务器将收费数据汇总并发送至数据服务器;
第二步、分析服务器从数据服务器获取收费数据并据此分析获得易混淆车嫌疑库,分析服务器将易混淆车嫌疑库下发至站级管理机,站级管理机通过审核易混淆车嫌疑库形成易混淆车正式库并发至站级服务器,站级服务器将易混淆车正式库下发至车道机;
第三步、车道机将当前车道内车辆的车牌与易混淆车正式库进行比对,当比对结果为比中时,车道机向收费员显示提醒信息,车道机记录此次比中事件并上传至站级服务器。
该方法利用收费数据进行大数据分析,先从中分析出易混淆车嫌疑库,再通过审核确定出易混淆车正式库,并利用易混淆车正式库识别易混淆车,以实现打击易混淆车偷逃费现象。
本发明打逃方法进一步完善的技术方案如下:
优选地,所述方法还包括追逃子方法,所述追逃子方法包括:
站级服务器根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计,并得出各易混淆车的偷逃费信息数据;当成功追缴易混淆车偷逃费时,则由站级服务器记录该易混淆车偷逃费追缴成功事件,并将该易混淆车的偷逃费信息数据进行标记和封存。
优选地,第二步中,所述分析服务器采用预设的分析策略来分析获得易混淆车嫌疑库;
站级管理机采用预设的审核子方法来审核易混淆车嫌疑库,所述审核子方法包括:
S1、站级管理机根据预设的自动审核策略从易混淆车嫌疑库中选出易混淆车并放入易混淆车正式库中;
S2、站级管理机根据预设的人工审核策略从易混淆车嫌疑库中选出需要人工审核的嫌疑易混淆车以供审核、并将经人工审核确定的易混淆车放入易混淆车正式库中。
更优选地,所述分析策略包括:选取预设时间段内的收费数据,先从中找出通行次数大于或等于M的车辆,再从这些车辆中找出车型种类大于或等于N的车辆,这些车辆即为嫌疑易混淆车;
所述自动审核策略包括:对易混淆车嫌疑库中的各个车辆分别依次进行“客一客二自动分析”、“客二客三自动分析”、“客一客三自动分析”,再将分析结果中的最高车型认定为该车辆的实际车型;
所述“客一客二自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客二”,若有则继续判断“客二”的次数是否大于或等于 m1,若是则将“客二”列入分析结果;
所述“客二客三自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客二”和“客三”,若有则继续判断“客三”的次数是否大于或等于 m2,若是则将“客三”列入分析结果;
所述“客一客三自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客三”,若有则继续判断“客三”的次数是否大于或等于 m3,若是则将“客三”列入分析结果;
所述人工审核策略包括:对易混淆车嫌疑库中的各个车辆分别依次进行“客一客二嫌疑分析”、“客二客三嫌疑分析”、“客一客三嫌疑分析”,再将分析结果中的最高车型认定为该车辆的嫌疑车型;
所述“客一客二嫌疑分析”的的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客二”,若有则继续判断“客二”的次数是否大于或等于n1,若是则将“客二”列入分析结果;
所述“客二客三嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客二”和“客三”,若有则继续判断“客三”的次数是否大于或等于 n2,若是则将“客三”列入分析结果;
所述“客一客三嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客三”,若有则继续判断“客三”的次数是否大于或等于 n3,若是则将“客三”列入分析结果;
M、N、m1、m2、m3、n1、n2、n3分别为自然数,M>5,N>1,m1>1,m2>1, m3>1,1≤n1<m1、1≤n2<m2、1≤n3<m3。
更优选地,M=10,N=2,m1=m2=3,m3=2,n1=n2=n3=1。
采用以上优选方案后,能更好地识别易混淆车偷逃费事件,利于更好地打击易混淆车偷逃费现象。
本发明通过大数据分析精准识别易混淆车偷逃费事件,弥补人工稽查的短板,能有效打击易混淆车偷逃费现象并追缴欠款。
附图说明
图1为本发明实施例1的***示意图。
图2至图7为本发明实施例2实施示例界面图。
图8至图9为本发明实施例2的试验成效示意图。
具体实施方式
下面参照附图并结合实施例对本发明作进一步详细描述。但是本发明不限于所给出的例子。
实施例1
如图1所示,本实施例的基于大数据分析的易混淆车打逃***,由收费车道单元、收费站单元、路段中心单元构成;收费车道单元为车道机;收费站单元由站级服务器和站级管理机构成,站级服务器与站级管理机通信连接;路段中心单元由数据服务器和分析服务器构成,数据服务器与分析服务器通信连接;车道机与站级服务器通信连接,站级服务器与数据服务器通信连接,分析服务器与站级管理机通信连接;分析服务器用以根据数据服务器中的收费数据分析获得易混淆车嫌疑库,站级管理机用以审核易混淆车嫌疑库并形成易混淆车正式库;车道机根据易混淆车正式库识别易混淆车。
具体而言,车道机具有收费数据采集模块以及易混淆车处理模块,其中,收费数据采集模块用以采集收费数据,易混淆车处理模块用以接收站级服务器发来的易混淆车正式库、将当前车道内车辆的车牌与易混淆车正式库进行比对、当比对结果为比中时向收费员显示提醒信息同时记录此次比中事件。
站级服务器具有收费数据汇总模块,易混淆车正式库存储模块,易混淆车比中事件处理模块,以及易混淆车偷逃费处理模块,其中,收费数据汇总模块用以汇总车道机发来的收费数据,易混淆车正式库存储模块用以存储站级管理机发来的易混淆车正式库,易混淆车比中事件处理模块用以接收车道机发来的比中事件并发出提醒信息,易混淆车偷逃费处理模块用以根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计并得出各易混淆车的偷逃费信息数据、当成功追缴易混淆车偷逃费时记录该易混淆车偷逃费追缴成功事件并将该易混淆车的偷逃费信息数据进行标记和封存。
站级管理机具有嫌疑易混淆车审核模块,用以审核分析服务器发来的易混淆车嫌疑库并形成易混淆车正式库。
数据服务器具有收费数据存储模块,用以存储站级服务器发来的收费数据。
分析服务器具有嫌疑易混淆车分析模块,用以从数据服务器获取收费数据并据此分析获得易混淆车嫌疑库。
嫌疑易混淆车审核模块包括自动审核子模块和人工审核子模块,自动审核子模块用以根据预设的自动审核策略从易混淆车嫌疑库中选出易混淆车并放入易混淆车正式库中,人工审核子模块用以根据预设的人工审核策略从易混淆车嫌疑库中选出需要人工审核的嫌疑易混淆车以供审核、并将经人工审核确定的易混淆车放入易混淆车正式库中。
本实施例***具有以下具体状态:
(1)车道机采集收费数据并发送至站级服务器,站级服务器将收费数据汇总并发送至数据服务器的收费数据收集状态。
(2)在收费数据收集状态基础上,分析服务器从数据服务器获取收费数据并据此分析获得易混淆车嫌疑库,分析服务器将易混淆车嫌疑库下发至站级管理机,站级管理机通过审核易混淆车嫌疑库形成易混淆车正式库并发至站级服务器,站级服务器将易混淆车正式库下发至车道机的易混淆车信息下发状态。
(3)在易混淆车信息下发状态基础上,车道机将当前车道内车辆的车牌与易混淆车正式库进行比对,当比对结果为比中时,车道机向收费员显示提醒信息,车道机记录此次比中事件并上传至站级服务器的易混淆车识别状态。
(4)在易混淆车信息下发状态基础上,站级服务器根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计,并得出各易混淆车的偷逃费信息数据的追逃统计状态。
(5)在追逃统计状态基础上,当成功追缴易混淆车偷逃费时,则由站级服务器记录该易混淆车偷逃费追缴成功事件,并将该易混淆车的偷逃费信息数据进行标记和封存的追逃记录状态。
实施例2
本实施例基于大数据分析的易混淆车打逃方法,采用实施例1的易混淆车打逃***,本实施例方法包括以下步骤:
第一步、车道机采集收费数据并发送至站级服务器,站级服务器将收费数据汇总并发送至数据服务器;
第二步、分析服务器从数据服务器获取收费数据并据此分析获得易混淆车嫌疑库,分析服务器将易混淆车嫌疑库下发至站级管理机,站级管理机通过审核易混淆车嫌疑库形成易混淆车正式库并发至站级服务器,站级服务器将易混淆车正式库下发至车道机;
第三步、车道机将当前车道内车辆的车牌与易混淆车正式库进行比对,当比对结果为比中时,车道机向收费员显示提醒信息,车道机记录此次比中事件并上传至站级服务器。
具体而言,第二步中,分析服务器采用预设的分析策略来分析获得易混淆车嫌疑库。
站级管理机采用预设的审核子方法来审核易混淆车嫌疑库,审核子方法包括:
S1、站级管理机根据预设的自动审核策略从易混淆车嫌疑库中选出易混淆车并放入易混淆车正式库中。
S2、站级管理机根据预设的人工审核策略从易混淆车嫌疑库中选出需要人工审核的嫌疑易混淆车以供审核、并将经人工审核确定的易混淆车放入易混淆车正式库中。
分析策略包括:选取预设时间段内的收费数据,先从中找出通行次数大于或等于M的车辆,再从这些车辆中找出车型种类大于或等于N的车辆,这些车辆即为嫌疑易混淆车。
自动审核策略包括:对易混淆车嫌疑库中的各个车辆分别依次进行“客一客二自动分析”、“客二客三自动分析”、“客一客三自动分析”,再将分析结果中的最高车型认定为该车辆的实际车型。
“客一客二自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客二”,若有则继续判断“客二”的次数是否大于或等于m1,若是则将“客二”列入分析结果。
“客二客三自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客二”和“客三”,若有则继续判断“客三”的次数是否大于或等于m2,若是则将“客三”列入分析结果。
“客一客三自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客三”,若有则继续判断“客三”的次数是否大于或等于m3,若是则将“客三”列入分析结果。
人工审核策略包括:对易混淆车嫌疑库中的各个车辆分别依次进行“客一客二嫌疑分析”、“客二客三嫌疑分析”、“客一客三嫌疑分析”,再将分析结果中的最高车型认定为该车辆的嫌疑车型。
“客一客二嫌疑分析”的的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客二”,若有则继续判断“客二”的次数是否大于或等于n1,若是则将“客二”列入分析结果。
“客二客三嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客二”和“客三”,若有则继续判断“客三”的次数是否大于或等于n2,若是则将“客三”列入分析结果。
“客一客三嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客三”,若有则继续判断“客三”的次数是否大于或等于n3,若是则将“客三”列入分析结果。
M、N、m1、m2、m3、n1、n2、n3分别为自然数,M>5,N>1,m1>1,m2>1, m3>1,1≤n1<m1、1≤n2<m2、1≤n3<m3。本实施例中,M=10,N=2,m1=m2=3, m3=2,n1=n2=n3=1。
此外,本实施例方法还包括追逃子方法,追逃子方法包括:
站级服务器根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计,并得出各易混淆车的偷逃费信息数据;当成功追缴易混淆车偷逃费时,则由站级服务器记录该易混淆车偷逃费追缴成功事件,并将该易混淆车的偷逃费信息数据进行标记和封存。
本实施例的实施示例如下:
一、设定收费车道单元、收费站单元、路段中心单元的具体功能。
1、收费车道单元:
(1)、数据更新
车道机在程序启动时开启更新线程,自动以5分钟一次的频率去站级服务器检测是否有新版本易混淆车正式库更新。如有,则自动将最新的易混淆车正式库下载到本地,并加载到程序内存中备用。
(2)、易混淆车识别及结果上传
车道机将当前车道内车辆的车牌与易混淆车正式库进行比对,当比对结果为比中时,车道机向收费员显示提醒信息,避免收费员录入错误,车道机记录此次比中事件并上传至站级服务器,以供后台统计分析,收费站也可据此对该车辆进行处理。
2、收费站单元
(1)、用户登陆
如图2所示,用户输入工号、密码,经校验符合后登陆软件。
(2)、易混淆车审核
A.自动审核
根据预设的自动审核策略从易混淆车嫌疑库中选出易混淆车并放入易混淆车正式库中。
B.人工审核
如图3所示,根据预设的人工审核策略从易混淆车嫌疑库中选出需要人工审核的嫌疑易混淆车,展示给收费站专属审核人员,由人工通过车辆图片等要素进行2次判断与审核,并将经人工审核确定的易混淆车放入易混淆车正式库中。
(3)、正式车型库
如图4所示,每个站维护一个本站使用的易混淆车正式库,库中有该站高频通过的易混淆车的正确车型数据,收费站可通过此功能进行查看和管理。
(4)、打逃追缴成果
如图5所示,根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计,如正确车型比以往历史过车车型高时,则计入偷逃费。站级服务器自动将对此车过去2年在本站的通行记录提取出来,与以正确车型计算出来的应收通行费额进行校核,统计此车过去2年的车型差导致的逃费金额。
收费站可在向此车进行追缴逃费金额时,打印所有涉嫌逃费的通行记录、过车图片以及实际应收的金额,用于追缴的证据。
追缴完成后,由站级服务器记录该易混淆车偷逃费追缴成功事件,并将该易混淆车的偷逃费信息数据进行标记和封存。
(5)、统计分析
可按图表、报表的形式展示分析策略的识别成果以及随之带来的打逃成果。
(6)、审核记录
如图6所示,站级服务器可记录易混淆车自动审核和人工审核的审核时间、审核人员以及使用的策略名称,审核的车辆数等信息。
(7)、策略配置
配置界面如图7所示。
A.自动审核策略配置,具体采用本实施例的相应配置。
B.人工审核策略配置,具体采用本实施例的相应配置。
3、路段中心单元
(1)、收费数据采集,此功能见本实施例相应内容。
(2)、嫌疑车数据分析
分析服务器每日凌晨定时对过去一年的通行记录进行分析,按照本实施例相应的分析策略分析获得易混淆车嫌疑库,推送至通行频率较高的收费站单元。
(3)、嫌疑车数据推送
每日自动将易混淆车嫌疑库推送至指定的收费站单元。
本实施例经内部试验可获得如下成效:
1、易混淆车的录入审核效率高
截止2018年12月底,过去一年某收费站采用现有方法在中心易混淆***录入的易混淆车辆数累计2715辆。而11月中旬开始,采用本实施例进行试验的结果为累计4315辆。两者比对可知,录入审核效率大幅提升。如图8 所示,左侧为现有方法,右侧为本实施例。
2、易混淆车通行覆盖率高
将过去一年中心***的易混库数据与本实施例试验结果进行对比分析。发现中心易混库中在某收费站的易混型车通行流量为49.95万次,而通过本实施例试验分析了4315辆易混车,将其录入数据库进行分析比对,结果显示在某收费站的通行流量高达16.77万次,中心易混库和本实施例分析的流量占比为1:11,金额占比为1:9.64。进一步证明本实施例策略分析的易混淆车辆,在某收费站的通行率更高,同时减少了车道硬盘和内存资源的消耗,提升了车道易混淆车比对效率和工作性能。
3、本实施例打逃精准、高效
据统计,本实施例分析发现的易混淆车于2018年在沪宁路段以低车型通行次数达3.71万次,流失通行费42.57万。其中,在沪宁路某段以低车型通行次数为3.45万次,占比93%;流失通行费35.64万,占比83.7%。由此可知,本实施例分析得到的易混淆车辆的偏好逃费路径集中在某路段,因此在路段稽查打逃时更精准、高效。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (7)
1.一种基于大数据分析的易混淆车打逃***,由收费车道单元、收费站单元、路段中心单元构成;其特征是,所述收费车道单元为车道机;所述收费站单元由站级服务器和站级管理机构成,所述站级服务器与站级管理机通信连接;所述路段中心单元由数据服务器和分析服务器构成,所述数据服务器与分析服务器通信连接;所述车道机与站级服务器通信连接,所述站级服务器与数据服务器通信连接,所述分析服务器与站级管理机通信连接;
所述分析服务器用以根据数据服务器中的收费数据分析获得易混淆车嫌疑库,所述站级管理机用以审核易混淆车嫌疑库并形成易混淆车正式库;所述车道机用以根据易混淆车正式库识别易混淆车;
所述***具有:车道机采集收费数据并发送至站级服务器,站级服务器将收费数据汇总并发送至数据服务器的收费数据收集状态;
所述***还具有:在收费数据收集状态基础上,分析服务器从数据服务器获取收费数据并据此分析获得易混淆车嫌疑库,分析服务器将易混淆车嫌疑库下发至站级管理机,站级管理机通过审核易混淆车嫌疑库形成易混淆车正式库并发至站级服务器,站级服务器将易混淆车正式库下发至车道机的易混淆车信息下发状态;
所述***还具有:在易混淆车信息下发状态基础上,车道机将当前车道内车辆的车牌与易混淆车正式库进行比对,当比对结果为比中时,车道机向收费员显示提醒信息,车道机记录此次比中事件并上传至站级服务器的易混淆车识别状态;
其中,所述分析服务器采用预设的分析策略来分析获得易混淆车嫌疑库;所述分析策略包括:选取预设时间段内的收费数据,先从中找出通行次数大于或等于M的车辆,再从这些车辆中找出车型种类大于或等于N的车辆,这些车辆即为嫌疑易混淆车;
所述站级管理机采用预设的审核子方法来审核易混淆车嫌疑库,所述审核子方法包括:
S1、站级管理机根据预设的自动审核策略从易混淆车嫌疑库中选出易混淆车并放入易混淆车正式库中;
S2、站级管理机根据预设的人工审核策略从易混淆车嫌疑库中选出需要人工审核的嫌疑易混淆车以供审核、并将经人工审核确定的易混淆车并放入易混淆车正式库中;
所述自动审核策略包括:对易混淆车嫌疑库中的各个车辆分别依次进行“客一客二自动分析”、“客二客三自动分析”、“客一客三自动分析”,再将分析结果中的最高车型认定为该车辆的实际车型;
所述“客一客二自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客二”,若有则继续判断“客二”的次数是否大于或等于m1,若是则将“客二”列入分析结果;
所述“客二客三自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客二”和“客三”,若有则继续判断“客三”的次数是否大于或等于m2,若是则将“客三”列入分析结果;
所述“客一客三自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客三”,若有则继续判断“客三”的次数是否大于或等于m3,若是则将“客三”列入分析结果;
所述人工审核策略包括:对易混淆车嫌疑库中的各个车辆分别依次进行“客一客二嫌疑分析”、“客二客三嫌疑分析”、“客一客三嫌疑分析”,再将分析结果中的最高车型认定为该车辆的嫌疑车型;
所述“客一客二嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客二”,若有则继续判断“客二”的次数是否大于或等于n1,若是则将“客二”列入分析结果;
所述“客二客三嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客二”和“客三”,若有则继续判断“客三”的次数是否大于或等于n2,若是则将“客三”列入分析结果;
所述“客一客三嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客三”,若有则继续判断“客三”的次数是否大于或等于n3,若是则将“客三”列入分析结果;
M、N、m1、m2、m3、n1、n2、n3分别为自然数,M>5,N>1,m1>1,m2>1,m3>1,1≤n1<m1、1≤n2<m2、1≤n3<m3。
2.根据权利要求1所述的易混淆车打逃***,其特征是,所述***还具有:在易混淆车信息下发状态基础上,站级服务器根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计,并得出各易混淆车的偷逃费信息数据的追逃统计状态;
所述***还具有:在追逃统计状态基础上,当成功追缴易混淆车偷逃费时,则由站级服务器记录该易混淆车偷逃费追缴成功事件,并将该易混淆车的偷逃费信息数据进行标记和封存的追逃记录状态。
3.根据权利要求1或2所述的易混淆车打逃***,其特征是,所述车道机具有收费数据采集模块以及易混淆车处理模块,其中,所述收费数据采集模块用以采集收费数据,所述易混淆车处理模块用以接收站级服务器发来的易混淆车正式库、将当前车道内车辆的车牌与易混淆车正式库进行比对、当比对结果为比中时向收费员显示提醒信息同时记录此次比中事件;
所述站级服务器具有收费数据汇总模块,易混淆车正式库存储模块,易混淆车比中事件处理模块,以及易混淆车偷逃费处理模块,其中,所述收费数据汇总模块用以汇总车道机发来的收费数据,所述易混淆车正式库存储模块用以存储站级管理机发来的易混淆车正式库,所述易混淆车比中事件处理模块用以接收车道机发来的比中事件并发出提醒信息,所述易混淆车偷逃费处理模块用以根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计并得出各易混淆车的偷逃费信息数据、当成功追缴易混淆车偷逃费时记录该易混淆车偷逃费追缴成功事件并将该易混淆车的偷逃费信息数据进行标记和封存;
所述站级管理机具有嫌疑易混淆车审核模块,用以审核分析服务器发来的易混淆车嫌疑库并形成易混淆车正式库;
所述数据服务器具有收费数据存储模块,用以存储站级服务器发来的收费数据;
所述分析服务器具有嫌疑易混淆车分析模块,用以从数据服务器获取收费数据并据此分析获得易混淆车嫌疑库。
4.根据权利要求3所述的易混淆车打逃***,其特征是,所述嫌疑易混淆车审核模块包括自动审核子模块和人工审核子模块,所述自动审核子模块用以根据预设的自动审核策略从易混淆车嫌疑库中选出易混淆车并放入易混淆车正式库中,所述人工审核子模块用以根据预设的人工审核策略从易混淆车嫌疑库中选出需要人工审核的嫌疑易混淆车以供审核、并将经人工审核确定的易混淆车放入易混淆车正式库中。
5.一种基于大数据分析的易混淆车打逃方法,其特征是,采用权利要求1至4任一项所述的易混淆车打逃***;所述方法包括以下步骤:
第一步、车道机采集收费数据并发送至站级服务器,站级服务器将收费数据汇总并发送至数据服务器;
第二步、分析服务器从数据服务器获取收费数据并据此分析获得易混淆车嫌疑库,分析服务器将易混淆车嫌疑库下发至站级管理机,站级管理机通过审核易混淆车嫌疑库形成易混淆车正式库并发至站级服务器,站级服务器将易混淆车正式库下发至车道机;
第三步、车道机将当前车道内车辆的车牌与易混淆车正式库进行比对,当比对结果为比中时,车道机向收费员显示提醒信息,车道机记录此次比中事件并上传至站级服务器;
第二步中,所述分析服务器采用预设的分析策略来分析获得易混淆车嫌疑库;所述分析策略包括:选取预设时间段内的收费数据,先从中找出通行次数大于或等于M的车辆,再从这些车辆中找出车型种类大于或等于N的车辆,这些车辆即为嫌疑易混淆车;
所述站级管理机采用预设的审核子方法来审核易混淆车嫌疑库,所述审核子方法包括:
S1、站级管理机根据预设的自动审核策略从易混淆车嫌疑库中选出易混淆车并放入易混淆车正式库中;
S2、站级管理机根据预设的人工审核策略从易混淆车嫌疑库中选出需要人工审核的嫌疑易混淆车以供审核、并将经人工审核确定的易混淆车并放入易混淆车正式库中;
所述自动审核策略包括:对易混淆车嫌疑库中的各个车辆分别依次进行“客一客二自动分析”、“客二客三自动分析”、“客一客三自动分析”,再将分析结果中的最高车型认定为该车辆的实际车型;
所述“客一客二自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客二”,若有则继续判断“客二”的次数是否大于或等于m1,若是则将“客二”列入分析结果;
所述“客二客三自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客二”和“客三”,若有则继续判断“客三”的次数是否大于或等于m2,若是则将“客三”列入分析结果;
所述“客一客三自动分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客三”,若有则继续判断“客三”的次数是否大于或等于m3,若是则将“客三”列入分析结果;
所述人工审核策略包括:对易混淆车嫌疑库中的各个车辆分别依次进行“客一客二嫌疑分析”、“客二客三嫌疑分析”、“客一客三嫌疑分析”,再将分析结果中的最高车型认定为该车辆的嫌疑车型;
所述“客一客二嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客二”,若有则继续判断“客二”的次数是否大于或等于n1,若是则将“客二”列入分析结果;
所述“客二客三嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客二”和“客三”,若有则继续判断“客三”的次数是否大于或等于n2,若是则将“客三”列入分析结果;
所述“客一客三嫌疑分析”的具体过程为:先判断当前车辆的车型中是否含有“客一”和“客三”,若有则继续判断“客三”的次数是否大于或等于n3,若是则将“客三”列入分析结果;
M、N、m1、m2、m3、n1、n2、n3分别为自然数,M>5,N>1,m1>1,m2>1,m3>1,1≤n1<m1、1≤n2<m2、1≤n3<m3。
6.根据权利要求5所述的易混淆车打逃方法,其特征是,所述方法还包括追逃子方法,所述追逃子方法包括:
站级服务器根据易混淆车正式库和收费数据对易混淆车正式库中各易混淆车的通行缴费情况进行分析统计,并得出各易混淆车的偷逃费信息数据;当成功追缴易混淆车偷逃费时,则由站级服务器记录该易混淆车偷逃费追缴成功事件,并将该易混淆车的偷逃费信息数据进行标记和封存。
7.根据权利要求5所述的易混淆车打逃方法,其特征是,M=10,N=2,m1=m2=3,m3=2,n1=n2=n3=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910831299.8A CN110570533B (zh) | 2019-09-04 | 2019-09-04 | 基于大数据分析的易混淆车打逃***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910831299.8A CN110570533B (zh) | 2019-09-04 | 2019-09-04 | 基于大数据分析的易混淆车打逃***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110570533A CN110570533A (zh) | 2019-12-13 |
CN110570533B true CN110570533B (zh) | 2021-08-20 |
Family
ID=68777667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910831299.8A Active CN110570533B (zh) | 2019-09-04 | 2019-09-04 | 基于大数据分析的易混淆车打逃***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110570533B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1266231A (zh) * | 2000-04-19 | 2000-09-13 | 北京安卓思通信技术发展有限责任公司 | 具有自动图像抓拍功能的公路收费*** |
CN102110368B (zh) * | 2009-12-25 | 2013-06-19 | 吕增及 | 高速公路换牌逃费车辆的自动稽查方法 |
CN104732205B (zh) * | 2015-03-09 | 2017-08-22 | 江苏省邮电规划设计院有限责任公司 | 一种高速公路逃费稽查的*** |
CN107808519A (zh) * | 2016-08-25 | 2018-03-16 | 上海瑞警科技有限公司 | 一种多特征车辆匹配方法 |
CN107481340A (zh) * | 2017-08-21 | 2017-12-15 | 南京感动科技有限公司 | 一种基于大数据的公路收费打逃预警*** |
CN108021361A (zh) * | 2017-12-01 | 2018-05-11 | 北京博宇通达科技有限公司 | 一种高速公路倒卡逃费车辆筛查方法及装置 |
CN108305461A (zh) * | 2017-12-20 | 2018-07-20 | 大唐软件技术股份有限公司 | 一种偷逃费嫌疑车辆的确定方法和装置 |
-
2019
- 2019-09-04 CN CN201910831299.8A patent/CN110570533B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110570533A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US6922156B2 (en) | Vehicle trip determination system and method | |
CN108346288B (zh) | 路段运行状态预警方法、装置及电子设备 | |
CN106022296B (zh) | 一种基于车辆热点区域的概率聚合的***检测方法 | |
US20070213992A1 (en) | Verifying a usage of a transportation resource | |
CN109191861B (zh) | 一种基于视频检测器的高速公路逃费车辆异常行为检测***及方法 | |
CN108305409B (zh) | 一种针对路内停车欠费的追缴方法及*** | |
CN112925820B (zh) | 一种车辆偷逃通行费的识别方法、装置及*** | |
CN107680198B (zh) | 共享自行车***及在该***中确定共享自行车车况的方法 | |
CN108986478B (zh) | 一种定点甄别违法车辆的方法 | |
CN107329977B (zh) | 一种基于概率分布的假牌车二次筛选方法 | |
Shankar et al. | Marginal impacts of design, traffic, weather, and related interactions on roadside crashes | |
CN106710225B (zh) | 一种车辆号牌违法的识别方法和监测平台 | |
CN112711619B (zh) | 基于北斗定位的公路逃费稽查平台 | |
CN106571040B (zh) | 一种可疑车辆确认方法及设备 | |
CN115691148A (zh) | 一种基于高速公路的智能收费辅助方法、设备及介质 | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
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 | |
CN116935659B (zh) | 一种高速服务区卡口车辆稽核***及其方法 | |
CN110570533B (zh) | 基于大数据分析的易混淆车打逃***及方法 | |
CN113743815A (zh) | 运营车辆的风险监控方法、装置、存储介质及计算机设备 | |
CN110517364B (zh) | 基于大数据分析的节假日免费打逃***及方法 | |
CN112783936A (zh) | 基于北斗定位的公路逃费稽查方法及*** | |
Dalgleish | Highway traffic monitoring and data quality | |
CN110727707A (zh) | 停车场收费人员操作日志的处理方法、介质、设备及*** |
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 |