[发明专利]一种基于大数据的高速公路智能实时收费分析系统

说明书

本发明公开了一种基于大数据的高速公路智能实时收费分析系统，多维数据分析平台对高速公路业务数据分析并进行机器学习模型的训练和指标的加工。数据实时处理平台通过增量式的实时计算，把原始高速公路流水数据计算加工成指标。智能决策平台采基于指标进行可视化规则配置，采用定时或者实时的方式使用上线的规则模型对生产流水进行决策，决策结果为逃费嫌疑车辆。核查平台对嫌疑车辆和行程信息进行查看和确认操作，并在确定为逃费嫌疑车辆后即时生产证据链，发布追缴。本系统基于双核智能决策引擎技术，很好的支持同时可视化的使用规则和机器学习模型，使得规则和机器学习模型可以更高效、更快速、更低成本的融合在一起。

技术领域

本发明涉及高速公路电子收费领域，尤其涉及一种基于大数据的高速公路智能实时收费分析系统。

背景技术

随着高速公路路网不断扩大，一些不法车辆利用各种形式偷逃通行费，逃费形式多样且隐蔽性强，主要包括ETC逃费、CPC逃费、假冒免费逃费、同时申请多个OBU和ETC卡、屏蔽门夹信号实现最小费率等。

这扰乱了高速公路收费工作正常秩序，造成了巨大经济损失。为维护高速公＝路正常收费秩序和公平缴费环境，进一步加强通行费征收管理，有效防范和遏制偷逃漏通行费行为，保证严格按照收费标准依法依规收费，迫在眉睫。

虽然，管理部门虽然积极采取一些控制手段，但在实践中依然缺少有效的解决方案，尤其是在主动发现偷逃通行费嫌疑车辆的这一环节没有高效的办法，通常通过人力查询的方式进行，效果极其低下。而随着全国取消省界收费站采用门架分段计费的方式后，一方面在原有的打逃机制和打逃工具都纷纷失效；另一方面增加了门架数据后，数据量大幅度增加，传统防控系统都是非大数据、非人工智能架构，很难继续正常使用。再加上偷逃的手法也发生了变化，原有的防控技术基本处于瘫痪重建的状态。

高速公路现阶段针对偷逃通行费行为的防控手段弊端主要有：

弊端一：主要还是以人工稽查为主：非常依赖现场收费人员和稽查人员经验；

弊端二：目前的缺乏主动发现的有效手段，现又稽核系统，通过部署省部要求制定的规则，每天的确可以抓出很多异常车辆，但由于每个路段的情况和特点不一样，数据质量也还在逐步完善中，因此准确率不高，带来的稽核工作量非常之大。

弊端三：各路段稽查人员无法自主配置规则，无法充分发挥各路段公司稽查人员的一线业务经验，无法让稽查人员高效地投入到主动发现逃费车辆的环节中。

弊端四：事后稽查为主、事中无预警：事后追查，往往丢失许多重要信息，导致取证困难，费用难以追回，也无法对偷逃行为进行有效的震慑。

因此，目前急需一种集分析、缉查和收费一体化的智能型综合高速路系统。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于大数据的高速公路智能实时收费分析系统，其能解决上述问题。

设计原理：设计一种基于大数据的高速公路智能实时收费分析系统，系统采用大数据、人工智能相关技术，通过还原曾经发生过的偷逃案件和研究可能会发生的偷逃案件，找到这些案件发生时车辆行驶行为、收费员行为与正常车辆行驶行为、正常收费员行为的的不同之处，建立规则模型，并对于所有的车辆、收费员进行规则模型判断，匹配出可疑车辆和收费员，再通过稽查人员根据流水和视频数据进行确认。

设计方案：本发明的目的采用以下技术方案实现。

一种基于大数据的高速公路智能实时收费分析系统，所述系统包括多维数据分析平台、数据实时处理平台、智能决策平台和核查平台。

其中，所述多维数据分析平台用于对大数据平台的高速公路业务数据进行分析，同时对获取的数据进行机器学习模型的训练和指标的加工。