一种偷逃费嫌疑车辆的确定方法和装置制造方法及图纸

本发明专利技术提供了一种偷逃费嫌疑车辆的确定方法和装置，涉及电子技术领域。其中，所述方法包括：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。本发明专利技术能够实现对偷逃费嫌疑车辆的自动挖掘与精准判别，为偷逃费车辆的治理和防范提供嫌疑车辆的精准判别和实时识别的技术手段。

Method and device for determining suspected vehicle for evading fees

The invention provides a method and a device for determining a suspected vehicle for evading fees, which relates to the field of electronic technology. The method comprises the following steps: obtaining the first traffic data corresponding to each vehicle, extracting the detection data from the first traffic data, inputting the detection data into the first evasion suspect vehicle to determine the model, obtaining the first identification or second identification of the corresponding detection data, in which the first evasion suspect vehicle determines the model. The first training sample is obtained by the first training sample; the first training sample includes the first training data and the corresponding first identification of the normal vehicle passage, the second training data for the evasion vehicle and the corresponding second logo, and determines whether the vehicle is suspected of the evasion fee. The invention can realize automatic mining and accurate discrimination of suspected evasion vehicles, and provide the technical means for accurate discrimination and real-time identification of suspected vehicles for the management and prevention of evasion vehicles.

【技术实现步骤摘要】
一种偷逃费嫌疑车辆的确定方法和装置
本专利技术涉及电子
，尤其涉及一种偷逃费嫌疑车辆的确定方法和装置。
技术介绍
我国高速公路属于收费公路，但是一些不法运输企业和司机在利益的驱动下，采用各种手段少缴或拒缴高速通行费，不仅给高速公路运营企业和国家带来了巨额经济损失，而且还威胁着高速公路的安全运行，因此打击偷逃费行为是高速公路运营管理的一项重要工作。目前高速管理部门对偷逃费车辆的稽查方式主要采用收费通行数据的简单对比、人工询问、现场核实、事后取证等方式，稽查手段落后，稽查效率不高，数据存在不准、不全、不及时等问题。大数据具有“高维、海量、实时”的特点，在大数据时代，数据挖掘是最关键的工作。对于大数据的挖掘，传统的数据挖掘技术可能很难解决，需要从算法的改进和方案的框架等多方面去提升处理能力。而大数据的挖掘是从海量、不完全的、有噪声的、模糊的、随机的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识的过程，也是一种决策支持过程。其主要基于人工智能，机器学习，模式学习，统计学习等，通过对大数据高度自动化地分析，做出归纳性的推理，从中挖掘出潜在的模式，帮助用户调整管理政策、识别异常、减少风险，并做出正确的决策。大数据的挖掘常用的方法有分类、回归分析、聚类、关联规则、神经网络方法、Web数据挖掘等，这些方法针对不同的需求，从不同角度对数据进行挖掘。针对上述问题，现有方案如下：方案一是基于联网收费数据并结合设定的算法，对车辆通行数据进行逐条鉴别；此方案是基于收费系统进行改造，在原有收费系统中添加部分稽查字段，依据设定的简单算法对于超时、出入口车牌不符等车辆异常信息进行标记，靠人工并结合联网收费系统出入口数据来甄别偷逃费嫌疑车辆，当车辆途径收费站时，收费员发现车辆异常警示等情况询问司机原因，再依据视频、黑名单比对、设卡验证、经验判断等方式进行违法方案二是基于视频大数据分析的高速公路防逃费稽查系统，此方案依托现有高速公路收费车道收费系统、车牌识别系统、高清卡口系统、视频监控系统等基础设施，通过区域性的防逃费系统平台和站级平台实现跨路段的数据共享、逃费信息提取和证据链管理；经过本系统稽查产生的黑、灰名单信息下发到各路段和收费车道，通过沿线的高清卡口系统、收费站车牌识别系统识别黑名单车辆并拦截、追缴通行费。专利技术人在使用上述方案是具有以下问题：方案一仅基于收费数据进行分析，并未结合路况、气象等数据进行深层次的嫌疑车辆特征挖掘，导致分析结果理想化，不够准确，误判率高，后续仍需大量的人工核实和确认工作，且无法分析海量业务数据，难以快速智能的发现和核实违法车辆，影响正常收费秩序。因此该方案对于海量业务数据的价值挖掘不够，缺乏对潜在的有偷逃费行为的车辆进行预知，辅助决策手段不足。方案二的核心业务是证据提取、可疑车辆筛选、逃费证据链管理和存档，主要与视频监控系统、收费系统协同实现防逃费业务，其中部分可疑行为检测和黑名单上传下发过程沿用当前收费系统功能。而该方案主要是依据对视频数据的分析获取嫌疑数据，受原始视频质量和保存时间所限，系统记录的资料并不是绝对完整的，如入口没有摄像头，录像资料没有声音信息，车辆改型光凭图像无法确定等，因此对于偷逃费嫌疑车辆的自动挖掘不够充分，识别准确度较低，有漏判可能，难以为偷逃费的治理和防范提供更加全面和及时的决策支撑。
技术实现思路
本专利技术提供一种偷逃费嫌疑车辆的确定方法，以解决现有技术对嫌疑车辆的自动挖掘不够充分，识别准确度较低，有漏判可能的问题。第一方面，本专利技术实施例提供了一种偷逃费嫌疑车辆的确定方法，该方法包括：获取各个行车车辆对应的第一通行数据；提取所述第一通行数据中的检测数据；将所述检测数据输入第一偷逃费嫌疑车辆确定模型，获得所述检测数据对应的第一标识或第二标识；其中，所述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；所述第一训练样本包括：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；根据所述第一标识或所述第二标识，判断所述行车车辆是否为偷逃费嫌疑车辆。进一步地，在所述获取各个行车车辆对应的第一通行数据的步骤之前，还包括：从各业务系统中获取原始通行数据；对所述原始通行数据进行预处理，获得多组第一可信赖通行数据；其中，每组所述第一可信赖通行数据包括：收费数据、路况数据、气象数据、IC卡数据和路径数据；分析黑名单系统中偷逃费车辆的通行特征；根据所述偷逃费车辆的通行特征，将所述第一可信赖通行数据分为正常车辆通行的第一训练数据和偷逃费车辆通行第二训练数据；利用第一标识标记所述第一训练数据，且利用第二标识标记所述第二训练数据；将所述第一标识及其对应的所述第一训练数据和所述第二标识及其对应的所述第二训练数据作为第一训练样本进行模型训练，得到第一偷逃费嫌疑车辆确定模型。进一步地，所述将所述第一标识及其对应的所述第一训练数据和所述第二标识及其对应的所述第二训练数据作为第一训练样本进行模型训练，得到第一偷逃费嫌疑车辆确定模型的步骤之后，还包括：将所述第一训练样本分为n份；其中，所述n为大于2的正整数；依次选取n-m份所述第一训练样本训练模型，获得k个所述第二偷逃费嫌疑车辆确定模型；将所述第二训练数据作为测试数据，依次将所述检测数据输入k个第二偷逃费嫌疑车辆确定模型，计算测试准确率；选取最大的所述测试准确率对应的所述第二偷逃费嫌疑车辆确定模型替换所述第一偷逃费嫌疑车辆确定模型。进一步地，所述根据所述第一标识或所述第二标识，判断所述行车车辆是否为偷逃费嫌疑车辆的步骤之后，还包括：将所述第一标识和所述第二标识及其对应的检测数据加入所述第一训练样本，调整所述第一偷逃费嫌疑车辆确定模型。进一步地，所述预处理包括：标准化、和/或编码、和/或异常点检测和去除、和/或特征选择和构建、和/或数据清洁和净化、和/或数据修正处理。进一步地，所述分析黑名单系统中偷逃费车辆的通行特征的步骤之前，还包括：根据多组所述第一可信赖通行数据，动态计算多组第一可信赖通行数据的平均时间数列；计算每组第一可信赖通行数据与对应的所述平均时间数列的差值；将各个所述差值记录在对应的各组所述第一可信赖通行数据中，获得多组第二可信赖通行数据；则所述将所述第一可信赖通行数据分为正常车辆通行的第一训练数据和偷逃费车辆通行第二训练数据，包括：将所述第二可信赖通行数据分为正常车辆通行的第一训练数据和偷逃费车辆通行第二训练数据。第二方面，本专利技术实施例还提供了一种装置，该装置包括：第一获取模块，用于获取各个行车车辆对应的第一通行数据；第一提取模块，用于提取所述第一通行数据中的检测数据；输入模块，用于将所述检测数据输入第一偷逃费嫌疑车辆确定模型，获得所述检测数据对应的第一标识或第二标识；其中，所述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；所述第一训练样本包括：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；判断模块，用于根据所述第一标识或所述第二标识，判断所述行车车辆是否为偷逃费嫌疑车辆。进一步地，还包括：第二获取模块，用于从各业务系统中获取原始通行数据；预处理模块，用于对所述原始通行数据进行预处理，获得多组第一可信赖通行数据；其中，每组所本文档来自技高网...

【技术保护点】
1.一种偷逃费嫌疑车辆的确定方法，其特征在于，所述方法包括：获取各个行车车辆对应的第一通行数据；提取所述第一通行数据中的检测数据；将所述检测数据输入第一偷逃费嫌疑车辆确定模型，获得所述检测数据对应的第一标识或第二标识；其中，所述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；所述第一训练样本包括：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；根据所述第一标识或所述第二标识，判断所述行车车辆是否为偷逃费嫌疑车辆。

【技术特征摘要】
1.一种偷逃费嫌疑车辆的确定方法，其特征在于，所述方法包括：获取各个行车车辆对应的第一通行数据；提取所述第一通行数据中的检测数据；将所述检测数据输入第一偷逃费嫌疑车辆确定模型，获得所述检测数据对应的第一标识或第二标识；其中，所述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；所述第一训练样本包括：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；根据所述第一标识或所述第二标识，判断所述行车车辆是否为偷逃费嫌疑车辆。2.根据权利要求1所述的方法，其特征在于，在所述获取各个行车车辆对应的第一通行数据的步骤之前，还包括：从各业务系统中获取原始通行数据；对所述原始通行数据进行预处理，获得多组第一可信赖通行数据；其中，每组所述第一可信赖通行数据包括：收费数据、路况数据、气象数据、IC卡数据和路径数据；分析黑名单系统中偷逃费车辆的通行特征；根据所述偷逃费车辆的通行特征，将所述第一可信赖通行数据分为正常车辆通行的第一训练数据和偷逃费车辆通行第二训练数据；利用第一标识标记所述第一训练数据，且利用第二标识标记所述第二训练数据；将所述第一标识及其对应的所述第一训练数据和所述第二标识及其对应的所述第二训练数据作为第一训练样本进行模型训练，得到第一偷逃费嫌疑车辆确定模型。3.根据权利要求2所述的方法，其特征在于，所述将所述第一标识及其对应的所述第一训练数据和所述第二标识及其对应的所述第二训练数据作为第一训练样本进行模型训练，得到第一偷逃费嫌疑车辆确定模型的步骤之后，还包括：将所述第一训练样本分为n份；其中，所述n为大于2的正整数；依次选取n-m份所述第一训练样本训练模型，获得k个第二偷逃费嫌疑车辆确定模型；将所述第二训练数据作为测试数据，依次将所述检测数据输入k个所述第二偷逃费嫌疑车辆确定模型，计算测试准确率；选取最大的所述测试准确率对应的所述第二偷逃费嫌疑车辆确定模型替换所述第一偷逃费嫌疑车辆确定模型。4.根据权利要求2所述的方法，其特征在于，所述根据所述第一标识或所述第二标识，判断所述行车车辆是否为偷逃费嫌疑车辆的步骤之后，还包括：将所述第一标识和所述第二标识及其对应的检测数据加入所述第一训练样本，调整所述第一偷逃费嫌疑车辆确定模型。5.根据权利要求2所述的方法，其特征在于，所述预处理包括：标准化、和/或编码、和/或异常点检测和去除、和/或特征选择和构建、和/或数据清洁和净化、和/或数据修正处理。6.根据权利要求2所述的方法，其特征在于，所述分析黑名单系统中偷逃费车辆的通行特征的步骤之前，还包括：根据多组所述第一可信赖通行数据，动态计算...

【专利技术属性】
技术研发人员：刘颖，杨磊，王智萍，
申请(专利权)人：大唐软件技术股份有限公司，
类型：发明
国别省市：北京,11