[发明专利]一种基于高速公路门架计费数据的偷逃费车辆稽查方法

说明书

本发明公开了一种基于高速公路门架计费数据的偷逃费车辆稽查方法，具体包括如下步骤：S1：构建数据仓库，整合集成门架及出入口收费数据；S2：建立车辆偷逃费分析模型库；S3：业务数据导入模型分析、挖掘；S4：输出黑白名单数据；S5：数据进入高速公路各级运营单位；S6：黑名单车辆拦截。本发明的有益效果：通过数据分析挖掘技术，建立进、出高速路网的车辆信息库，行为轨迹库，对高速车辆偷逃费行为特征模型进行识别提取，发现现有收费规则、管理制度、车辆行驶行为与偷逃费现象的关系，指导促进收费营运管理的改进；提高了高速公路各级运营单位加强偷费车辆治理工作力度和效率，减少高速公路收费金额流失，维护高速公路正常收费次序。

技术领域

本发明涉及偷逃费车辆稽查方法，具体的，涉及一种基于高速公路门架计费数据的偷逃费车辆稽查方法。

背景技术

自2020年1月1日全国高速公路正式撤销省界站，形成全国“一张网”的格局，由于全国高速公路路网整体联通，通行费额单量和总量也随之显著增高，导致高速公路车辆、人员违规违纪的概率显著增大，特别是团伙化，组织化的偷逃费行为给高速公路运营管理和建设投资方造成巨大的损失，也给高速公路收费车辆稽查工作带来了前所未有的挑战。

目前收费车辆偷逃费稽查工作主要依靠人工巡查实施方式，缺乏科学有效的思路方法，目的不强、效率低下，很难遏制住当前车辆偷逃费快速增长的趋势。如何通过有效的技术手段打击高速公路偷逃费行为，维护高速收费管理工作正常有序的进行，一直是行业高度关注的问题。

发明内容

本发明的目的在于，针对上述问题，提出一种基于高速公路门架计费数据的偷逃费车辆稽查方法。

一种基于高速公路门架计费数据的偷逃费车辆稽查方法，包括如下步骤：

S1：构建数据仓库，整合集成门架及出入口收费数据；

S2：建立车辆偷逃费分析模型库，具体包括如下步骤：

S21：选定特征量作为需稽查审核的特征参数；

S22：根据选定的特征参数，设置异常行为特征量推导公式；

S23：通过贝叶斯算法带入先验概率，对偷逃费特征进行样本训练；

S24：人工筛选建立偷逃费类型与各特征向量组合的绑定关系；

S25：输出偷逃费模式识别模型；

S3：业务数据导入模型分析、挖掘；

S4：输出黑白名单数据；

S5：数据进入高速公路各级运营单位；

S6：黑名单车辆拦截。

优选的，所述步骤S21中的特征参数包括：入口收费站Se、出口收费站Sx、门架收费单元M、入口车辆信息Ve、出口车辆信息Vx、门架计费牌识车辆信息Vm、入口时间Te、出口时间Tx、出口收免信息Vkx、入口车牌Pe、出口车牌Px、门架车牌信息Pm、入口交易介质信息Ce、出口交易介质信息Cx、门架交易介质Cm、车辆载重Wx、车辆出口扣费轨迹Tr＿ex、基于车辆门架通行可拟合轨迹Tr＿m、行驶区间里程 Se→Sx和行驶区间最近20天同一时段平均行驶时间：Tavg=∑每辆车在该路段行驶时间/车辆数，得出的平均行驶时间即为该区间当前的行驶时间。

优选的，所述步骤S22中，异常行为特征量包括：

出入车牌与门架信息验证推导公式：F1=Diff(,,)；==时，F1=0，否则为1；

出入交易介质与门架采集信息验证推导公式：F2= Diff(,，)；==,F2=0，否则为1；

出入车辆信息与门架计费识车辆信息验证推导公式：F3= Diff(,,)；==时,F3=0，否则为1；