CN113570738B - Etc通行失信行为电子取证与分类管理方法及*** - Google Patents
Etc通行失信行为电子取证与分类管理方法及*** Download PDFInfo
- Publication number
- CN113570738B CN113570738B CN202110760363.5A CN202110760363A CN113570738B CN 113570738 B CN113570738 B CN 113570738B CN 202110760363 A CN202110760363 A CN 202110760363A CN 113570738 B CN113570738 B CN 113570738B
- Authority
- CN
- China
- Prior art keywords
- losing
- belief
- behavior
- vehicle
- credit
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉一种ETC通行失信行为电子取证与分类管理方法,包括如下步骤:步骤一、失信行为预编码与判定标准预定义:根据历年ETC通行欠费和逃费状况,预先对每一种失信行为进行预编码;步骤二、ETC通行欠费逃费交易记录处理:步骤三、失信类别与种类的识别;步骤四、失信行为编码提取;步骤五、电子证据链构建将判定出的数据与现场抓拍图片串接成电子证据链作为取证证据进行存储,每起失信行为电子证据链的构建采取串接结构。本发明提供的ETC通行失信行为的电子取证与分类管理方法,通过对每一笔ETC通行的欠费、逃费记录分类编码并构建电子证据链,以明确收费稽查的重点并采取有针对性地预防管理措施,以减少通行费用的流失、促进社会信用水平的提升。
Description
技术领域
本发明属于交通运输工程领域,具体涉及一种ETC通行失信行为电子取证与分类管理方法。
背景技术
随着ETC应用快速普及,利用ETC无人值守收费特点恶意欠费、逃费的事件也日益突出,出现了诸如车辆恶意屏蔽OBU、故意遮挡车牌、闯卡逃费等近40种恶意欠费、逃费行为,扰乱了高速公路正常的通行秩序,造成大量通行费流失。从2020年1月起,全国ETC主要采用记账交易方式,因此迫切需要解决欠费、逃费追缴问题。根据2019年最新颁发的全国高速公路ETC联网总体技术方案以及收费公路联网收费运营和服务规则,今后通行收费公路的车辆、车主或单位将作为信用主体,对欠费、逃费者实施信用惩戒。为了保证信用惩戒的严肃性和严谨性,有必要对ETC通行的失信行为进行电子取证、分类管理与稽查布控,提高高速公路ETC收费信用管理***建设的规范性,以及电子数据及其取证活动的合法性、真实性和客观公正性,减少通行费流失。基于此,提出目前急需一种针对ETC通行恶意欠费、逃费行为实施的电子取证与分类管理方法,以促进社会信用水平的提升、维护市场的公平和交易的安全。
发明内容
本发明是要解决目前交通通行费用流失高、社会信用水平有待提升的问题,进而提供了一种ETC通行失信行为电子取证与分类管理方法及***。
本发明涉一种ETC通行失信行为电子取证与分类管理方法,包括如下步骤:
步骤一、失信行为预编码与判定标准预定义:
根据历年ETC通行欠费和逃费状况,预先对每一种失信行为进行预编码,并给出对应的判定标准;
步骤二、ETC通行欠费逃费交易记录处理:
针对每一笔ETC通行的欠费逃费记录,提取车辆信息作为搜索关键字,获取该车辆从入口至出口路段的数据信息,按时间先后顺序进行排序,得到该车通行的行驶轨迹链及其交易数据;
步骤三、失信类别与种类的识别:
检验车辆行驶轨迹链的合规性、交易记录中车型、车牌号、OBU序列号或ETC***等的一致性、通行费减免折扣的适用性,识别ETC通行的失信类别及种类。
步骤四、失信行为编码提取
根据上述步骤三的判定标准,转入该类别下每一具体失信行为的判定流程,获取到该笔ETC通行欠费、逃费记录的失信序列号,组合得到该笔ETC通行失信行为的编码;
步骤五、电子证据链构建
将判定出的失信编码、不合规/不适用判定值、交易值与现场抓拍图片串接成电子证据链作为取证证据进行存储,每起失信行为电子证据链的构建采取串接结构;
步骤六、失信行为稽查与布防
基于一段时间内全部ETC通行失信行为的分类编码、各种失信行为发生的次数及欠费、逃费金额等信息,计算每种失信行为的失信次数占比或欠费、逃费金额占比并从高到低进行排序,以占比超出某个阈值为划分标准筛选出高、中、低频失信行为;或以累计占比大于某个阈值为标准筛选出重点、一般、次要的稽查失信行为集以明确收费稽查的重点和布防管控的方向。
优选地,步骤一中,每一种具体的失信行为进行预编码,设置6位号码,第1位为失信类型、第2-3位为失信种类、第4-6位为失信种类下的序列号。
优选地,步骤二中,提取车牌号、OBU序列号或ETC***作为搜索的关键字,获取该车辆从入口至出口途经的收费站和门架交易记录及抓拍图片。
优选地,步骤三中,具体操作流程如下:
(1)判断获取的该车行驶轨迹链是否连续且完整,若连续且完整,则进入(2);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“10”,失信属性为“改变缴费路径”,转入步骤四;
(2)将获取的行驶轨迹链与路网完整行驶轨迹链库进行匹配,若轨迹链合规,则进入(3);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“20”,失信属性为“异常行驶”,转入步骤四;
(3)比对交易记录中车型识别器识别的车型与从ETC卡中读取的车型是否一致,若一致,则进入(4);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“30”,失信属性为“改变车型”,转入步骤四;
(4)比对交易记录中车牌识别仪识别的车牌号、颜色与从ETC卡中读取的车牌号、颜色是否一致,若一致,则进入(5);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“40”,失信属性为“改动车牌”,转入步骤四;
(5)比对所有交易记录中的OBU/ETC***是否一致,且该OBU/ETC***是否进入黑名单;若一致且未进入黑名单,则进入(6);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“50”,失信属性为“改动卡签”,转入步骤四;
(6)检验交易记录中的减免折扣是否符合相关要求;若符合,则进入(7);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“60”,失信属性为“假用优免政策”,转入步骤四;
(7)标记该车辆的失信行为被动失信(“2”)、失信种类为“70”,失信属性为“其他”,转入步骤四。
优选地,步骤六中,具体操作流程如下:具体定义如下:
当时,定义此种失信行为为高频失信行为;当/>且/> 时,定义此种失信行为中频失信行为;当/>定义此种失信行为低频失信行为。当/>日/>时,将第1~k种失信行为定义为重点稽查失信行为集;当/>日/>时,将第k+1~p种失信行为定义为一般稽查失信行为集;将第p+1种及其之后的失信行为定义为次要稽查失信行为集。式中,ri为一段时间内第i种失信行为发生次数或欠费、逃费金额占全部失信行为发生次数或欠费、逃费金额的比重;ni为一段时间内第i种失信行为发生的次数或欠费、逃费合计金额;ck为一段时间内从高到低排序前k种失信行为发生的次数或欠费、逃费金额占全部失信行为发生次数或欠费、逃费金额的比重;δ1,δ2,β1,β2为定义的阈值。
一种ETC通行失信行为电子取证与分类管理***,包括数据采集装置、数据分析装置和结果输出装置,其特征在于,数据分析装置中采用所述ETC通行失信行为电子取证与分类管理方法。
有益效果
本发明提供的ETC通行失信行为的电子取证与分类管理方法及***,通过对每一笔ETC通行的欠费、逃费记录分类编码并构建电子证据链,明确了收费稽查的重点,并采取有针对性地预防管理措施,同时减少了通行费用的流失,促进了社会信用水平的提升。
附图说明
图1为本发明的整体实施流程图。
图2为本发明中行驶轨迹链与交易记录提取示意图。
图3为本发明中电子证据链的构成示意图。
具体实施方式
以下结合图1至3对本实施方式进行说明。
本发明涉一种ETC通行失信行为电子取证与分类管理方法,包括如下步骤:
步骤一:失信行为预编码与判定标准预定义
根据历年曾经出现过的全部ETC通行欠费、逃费状况,预先对每一种具体的失信行为进行预编码,共6位,第1位为失信类型、第2-3位为失信种类、第4-6位为失信种类下的序列号,并定义每一种失信行为的判定标准,如需要获取哪些原始交易数据,需要提取交易记录中哪些字段,具体的判定流程如何,如表1所示。
表1失信行为预编码与判定标准预定义
步骤二:ETC通行欠费逃费交易记录处理
针对每一笔ETC通行的欠费、逃费记录,提取车牌号、OBU序列号、ETC***等作为搜索的关键字,获取该车辆从入口至出口途经的收费站和门架交易记录及抓拍图片,按时间先后顺序进行排序,得到该车通行的行驶轨迹链及其交易数据,如图2所示。
步骤三:失信类别与种类的识别
检验该车行驶轨迹链的合规性、交易记录中车型/车牌号/OBU序列号或ETC***等的一致性、通行费减免折扣的适用性等,识别ETC通行的失信类别及种类,具体流程如下:
(1)判断获取的该车行驶轨迹链是否连续且完整,若连续且完整,则进入(2);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“10”,失信属性为“改变缴费路径”,转入步骤四;
(2)将获取的行驶轨迹链与路网完整行驶轨迹链库进行匹配,若轨迹链合规,则进入(3);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“20”,失信属性为“异常行驶”,转入步骤四;
(3)比对交易记录中车型识别器识别的车型与从ETC卡中读取的车型是否一致,若一致,则进入(4);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“30”,失信属性为“改变车型”,转入步骤四;
(4)比对交易记录中车牌识别仪识别的车牌号、颜色与从ETC卡中读取的车牌号、颜色是否一致,若一致,则进入(5);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“40”,失信属性为“改动车牌”,转入步骤四;
(5)比对所有交易记录中的OBU/ETC***是否一致,且该OBU/ETC***是否进入黑名单;若一致且未进入黑名单,则进入(6);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“50”,失信属性为“改动卡签”,转入步骤四;
(6)检验交易记录中的减免折扣是否符合相关要求;若符合,则进入(7);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“60”,失信属性为“假用优免政策”,转入步骤四;
(7)标记该车辆的失信行为被动失信(“2”)、失信种类为“70”,失信属性为“其他”,转入步骤四。
步骤四:失信行为编码提取
根据步骤三判定出的失信类别及种类、遵循表1中定义的判定标准,转入该类别下每一具体失信行为的判定流程,判定过程类似于步骤三,获取到该笔ETC通行欠费、逃费记录的失信序列号,组合得到该笔ETC通行失信行为的编码。
步骤五:电子证据链构建
将判定出的失信编码、不合规/不适用判定值、交易值与现场抓拍图片串接成电子证据链作为取证证据进行存储,并可向当事人出示,出示信息结构如表2所示。
表2电子证据链
鉴于不同失信行为的判定标准差异大、涉及获取的原始数据规模不一,电子证据链的构建难以统一。如失信种类“改变缴费路径”、“异常行驶”中,需要收集该车辆从入口、门架到出口整段行程的交易数据和抓拍图片来构建电子证据链;而失信种类“改动车牌”、“改动卡签”中,只需要出入***易数据中的个别字段交易值和抓拍图片即可予以取证。因此,每起失信行为电子证据链的长短不一,其构建可采取图3所示的串接结构以节省存储空间并降低数据维护的难度。
步骤六:失信行为稽查与布防
基于一段时间内全部ETC通行失信行为的分类编码、各种失信行为发生的次数及欠费、逃费金额等信息,计算每种失信行为的失信次数占比或欠费、逃费金额占比并从高到低进行排序,以占比超出某个阈值为划分标准筛选出高、中、低频失信行为;或以累计占比大于某个阈值为标准筛选出重点、一般、次要的稽查失信行为集,明确收费稽查的重点和布防管控的方向,具体定义如下:
当时,定义此种失信行为为高频失信行为;当/>且/> 时,定义此种失信行为中频失信行为;当/>定义此种失信行为低频失信行为。当/>且/>时,将第1~k种失信行为定义为重点稽查失信行为集;当/>且/>时,将第k+1~p种失信行为定义为一般稽查失信行为集;将第p+1种及其之后的失信行为定义为次要稽查失信行为集。式中,ri为一段时间内第i种失信行为发生次数或欠费、逃费金额占全部失信行为发生次数或欠费、逃费金额的比重;ni为一段时间内第i种失信行为发生的次数或欠费、逃费合计金额;ck为一段时间内从高到低排序前k种失信行为发生的次数或欠费、逃费金额占全部失信行为发生次数或欠费、逃费金额的比重;δ1,δ2,β1,β2为定义的阈值。
实施例
在上述步骤六中,失信行为稽查与布防的具体实施方式如下:
假设δ1=0.05、δ2=0.02,则将一段时间内发生次数或欠费、逃费金额占总次数或总欠费、逃费金额的比例超过0.05的失信行为称之为高频失信行为、介于0.02~0.05的失信行为称之为中频失信行为、小于0.02的失信行为称之为低频失信行为。假设β1=0.5、β2=0.8,由高到低前8种失信行为发生次数或欠费、逃费金额占比达到了0.5、前19种失信行为发生次数或欠费、逃费金额占比达到了0.8,则前8种失信行为为重点稽查失信行为集、第9~19种失信行为为一般稽查失信行为集、第20种及其之后的全部失信行为为次要稽查失信行为集。
上述内容仅为本发明的较佳实施例,并非用于限制本发明的实施方案,本领域普通技术人员根据本发明的主要构思和精神,可以十分方便地进行相应的变通或修改,故本发明的保护范围应以权利要求书所要求的保护范围为准。
Claims (6)
1.一种ETC通行失信行为电子取证与分类管理方法,其特征在于,包括如下步骤:
步骤一、失信行为预编码与判定标准预定义
根据历年ETC通行欠费和逃费状况,预先对每一种失信行为进行预编码,并给出对应的判定标准;
步骤二、ETC通行欠费逃费交易记录处理
针对每一笔ETC通行的欠费逃费记录,提取车辆信息作为搜索关键字,获取该车辆从入口至出口路段的数据信息,按时间先后顺序进行排序,得到该车通行的行驶轨迹链及其交易数据;
步骤三、失信类别与种类的识别
检验车辆行驶轨迹链的相关信息,识别ETC通行的失信类别及种类;(1)判断获取的该车行驶轨迹链是否连续且完整,若连续且完整,则进入(2);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“10”,失信属性为“改变缴费路径”,转入步骤四;
(2)将获取的行驶轨迹链与路网完整行驶轨迹链库进行匹配,若轨迹链合规,则进入(3);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“20”,失信属性为“异常行驶”,转入步骤四;
(3)比对交易记录中车型识别器识别的车型与从ETC卡中读取的车型是否一致,若一致,则进入(4);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“30”,失信属性为“改变车型”,转入步骤四;
(4)比对交易记录中车牌识别仪识别的车牌号、颜色与从ETC卡中读取的车牌号、颜色是否一致,若一致,则进入(5);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“40”,失信属性为“改动车牌”,转入步骤四;
(5)比对所有交易记录中的OBU/ETC***是否一致,且该OBU/ETC***是否进入黑名单;若一致且未进入黑名单,则进入(6);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“50”,失信属性为“改动卡签”,转入步骤四;
(6)检验交易记录中的减免折扣是否符合相关要求;若符合,则进入(7);否则,标记该车辆的失信行为主动失信(“1”)、失信种类为“60”,失信属性为“假用优免政策”,转入步骤四;
(7)标记该车辆的失信行为被动失信(“2”)、失信种类为“70”,失信属性为“其他”,转入步骤四;
步骤四、失信行为编码提取
失信类别下每一具体失信行为的判定流程,获取到该笔ETC通行欠费、逃费记录的失信序列号,组合得到该笔ETC通行失信行为的编码;
步骤五、电子证据链构建
将判定出的各类数据与现场抓拍图片串接成电子证据链进行存储,每起失信行为电子证据链的构建为串接结构;
步骤六、失信行为稽查与布防
基于一段时间内全部ETC通行失信行为的信息,计算每种失信行为的失信次数进行排序,筛选出不同级别失信行为。
2.根据权利要求1所述的ETC通行失信行为电子取证与分类管理方法,其特征在于,步骤一中,对每一种具体的失信行为进行预编码,设置6位号码,第1位为失信类型、第2-3位为失信种类、第4-6位为失信种类下的序列号。
3.根据权利要求1所述的ETC通行失信行为电子取证与分类管理方法,其特征在于,步骤二中,提取车牌号、OBU序列号或ETC***作为搜索的关键字,获取该车辆从入口至出口途经的收费站和门架交易记录及抓拍图片。
4.根据权利要求1所述的ETC通行失信行为电子取证与分类管理方法,其特征在于,步骤三中,检验车辆行驶轨迹链的合规性、交易记录中车型、车牌号、OBU序列号或ETC***等的一致性、通行费减免折扣的适用性。
5.根据权利要求1所述的ETC通行失信行为电子取证与分类管理方法,其特征在于,步骤六中,具体操作流程如下:
当时,定义此种失信行为为高频失信行为;当/>且/>时,定义此种失信行为中频失信行为;当/>定义此种失信行为低频失信行为;当且/>时,将第1~k种失信行为定义为重点稽查失信行为集;当/>且/>时,将第k+1~p种失信行为定义为一般稽查失信行为集;将第p+1种及其之后的失信行为定义为次要稽查失信行为集;式中,ri为一段时间内第i种失信行为发生次数或欠费、逃费金额占全部失信行为发生次数或欠费、逃费金额的比重;ni为一段时间内第i种失信行为发生的次数或欠费、逃费合计金额;ck为一段时间内从高到低排序前k种失信行为发生的次数或欠费、逃费金额占全部失信行为发生次数或欠费、逃费金额的比重;δ1,δ2,β1,β2为定义的阈值。
6.一种ETC通行失信行为电子取证与分类管理***,包括数据采集装置、数据分析装置和结果输出装置,其特征在于,数据分析装置中采用如权利要求1至5任一项所述的ETC通行失信行为电子取证与分类管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110760363.5A CN113570738B (zh) | 2021-07-06 | 2021-07-06 | Etc通行失信行为电子取证与分类管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110760363.5A CN113570738B (zh) | 2021-07-06 | 2021-07-06 | Etc通行失信行为电子取证与分类管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113570738A CN113570738A (zh) | 2021-10-29 |
CN113570738B true CN113570738B (zh) | 2023-05-23 |
Family
ID=78163734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110760363.5A Active CN113570738B (zh) | 2021-07-06 | 2021-07-06 | Etc通行失信行为电子取证与分类管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570738B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341113A (zh) * | 2019-11-05 | 2020-06-26 | 南京感动科技有限公司 | 一种高速公路稽查数据管理分析*** |
CN112802344A (zh) * | 2020-12-21 | 2021-05-14 | 大连理工大学 | 一种车载式智能联网实时交通违章监控装置及*** |
CN112818834A (zh) * | 2021-01-29 | 2021-05-18 | 山东大学 | 一种交叉口针对应急车辆的避让判定方法、设备及介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101436348B (zh) * | 2008-12-22 | 2014-04-23 | 北京中星微电子有限公司 | 电子警察***以及应用于电子警察***的信息识别方法 |
CN105354273A (zh) * | 2015-10-29 | 2016-02-24 | 浙江高速信息工程技术有限公司 | 一种快速检索高速公路逃费车辆高相似度图像的方法 |
US10719800B2 (en) * | 2018-01-31 | 2020-07-21 | TrueLite Trace, Inc. | Coaching mode in a vehicle electronic logging device (ELD) hour-of-service (HoS) audit and correction guidance system and method of operating thereof |
CN110969314A (zh) * | 2018-09-28 | 2020-04-07 | 广州威阿科技有限公司 | 针对高速路缴费信息的大数据分析检测*** |
CN109830117B (zh) * | 2019-03-13 | 2021-07-30 | 百度国际科技(深圳)有限公司 | 道路规划优化方法、装置、计算机设备及存储介质 |
CN112925820B (zh) * | 2021-02-02 | 2023-04-07 | 重庆首讯科技股份有限公司 | 一种车辆偷逃通行费的识别方法、装置及*** |
-
2021
- 2021-07-06 CN CN202110760363.5A patent/CN113570738B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341113A (zh) * | 2019-11-05 | 2020-06-26 | 南京感动科技有限公司 | 一种高速公路稽查数据管理分析*** |
CN112802344A (zh) * | 2020-12-21 | 2021-05-14 | 大连理工大学 | 一种车载式智能联网实时交通违章监控装置及*** |
CN112818834A (zh) * | 2021-01-29 | 2021-05-18 | 山东大学 | 一种交叉口针对应急车辆的避让判定方法、设备及介质 |
Non-Patent Citations (2)
Title |
---|
严格车辆安全技术管理 提高车辆运行安全性;应朝阳;;《汽车与安全》(第02期);51-55 * |
中国交通工程学术研究综述·2016;《中国公路学报》编辑部;《中国公路学报》;第29卷(第6期);1-123 * |
Also Published As
Publication number | Publication date |
---|---|
CN113570738A (zh) | 2021-10-29 |
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 | |
Avenhaus et al. | Inspection games | |
CN101819573B (zh) | 一种自适应的网络舆情识别方法 | |
CN103167202B (zh) | 一种不同源话单稽核方法和装置 | |
CN113570854A (zh) | 一种用于高速公路运营管理的智能稽核控制*** | |
CN112711619A (zh) | 基于北斗定位的公路逃费稽查平台 | |
CN112925820B (zh) | 一种车辆偷逃通行费的识别方法、装置及*** | |
Meng et al. | Expressway crash prediction based on traffic big data | |
CN111724592B (zh) | 一种基于收费数据与卡口数据的高速公路交通拥堵检测方法 | |
CN113570738B (zh) | Etc通行失信行为电子取证与分类管理方法及*** | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN110188324B (zh) | 一种基于特征向量空间滤值的交通事故poisson回归分析方法 | |
CN112783936A (zh) | 基于北斗定位的公路逃费稽查方法及*** | |
CN114581215A (zh) | 一种基于大数据的企业信用状态标识构建方法 | |
Wood et al. | Analysing the multiple dimensions of predictive policing’s techno-social harms | |
CN114201530A (zh) | 一种疑似非正常营运客车提前甄别及预防式监管方法 | |
CN113837512A (zh) | 异常用户的识别方法及装置 | |
Pei et al. | Highway Event Detection Algorithm Based on Improved Fast Peak Clustering | |
CN110570533B (zh) | 基于大数据分析的易混淆车打逃***及方法 | |
KR20010070744A (ko) | 교통통제와 범죄차량 자동색출을 위한 차량자원 관리방법및 장치 | |
CN117935385A (zh) | 基于车辆轨迹关联的高速公路费用稽核方法 | |
CN115481834A (zh) | 对象识别方法、装置、计算机设备和存储介质 | |
Wang et al. | Research on types and data characteristics of freeway escape in henan province | |
CN116579599A (zh) | 一种智能风险决策平台 | |
CN117591900A (zh) | 车辆行驶数据的处理方法及装置、存储介质、电子设备 |
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 |