一种高速公路欠费车辆模型匹配算法制造技术

本发明专利技术公开了一种高速公路欠费车辆模型匹配算法，包括进入巡查场景模型、鉴别欠费类型、输出非正常车辆信息和行程信息、运行迭代算法优化更新欠费时间区间和线上线下办理交通违章罚单。本发明专利技术有益之处在于:深入结合车辆欠费行为特征，生成高速公路车辆模型匹配算法，兼容各省不同路段欠费场景，大大降低筛选的非正常数据与实际欠费情况的偏差，提高稽核效率，快速精准查找非正常欠费车辆，实现车辆的精准打逃。的精准打逃。的精准打逃。

【技术实现步骤摘要】
一种高速公路欠费车辆模型匹配算法


[0001]本专利技术涉及高速公路欠费车辆监管
，具体是一种高速公路欠费车辆模型匹配算法。

技术介绍

[0002]在高速公路收费行业，在此之前，稽核业务人员通过自身经验结合路段实际情况，从海量车辆通行数据中，通过写sql语句的形式或小范围、小规模的系统建设进行车辆筛选，往往一种场景需要多次查询才能准确定位非正常车辆，当场景复杂时，由于底层数据库性能问题，导致很难进行有效筛选；对于稽核场景很难做到因地制宜，无法兼容各省不同路段欠费场景，导致筛选的非正常数据与实际欠费情况偏差较大，稽核效率难以提高。因此，针对上述问题提出一种高速公路欠费车辆模型匹配算法。

技术实现思路

[0003]本专利技术的目的就在于为了解决上述问题而提供一种高速公路欠费车辆模型匹配算法。
[0004]本专利技术通过以下技术方案来实现上述目的，一种高速公路欠费车辆模型匹配算法，包括进入巡查场景模型、鉴别欠费类型、输出非正常车辆信息和行程信息、运行迭代算法优化更新欠费时间区间和线上线下办理交通违章罚单，在进入巡查场景模型与运行迭代算法优化更新欠费时间区间内的处理步骤如下：
[0005]步骤一、结合各省路段收费业务逻辑和大车小标、屏蔽计费设备、倒换卡建立不同巡查场景模型；
[0006]步骤二、接收收费站入出口交易数据、收费站车牌识别数据、门架计费扣费交易数据和门架车牌识别数据；
[0007]步骤三、将车辆高速行驶相关行程数据作为输入项，不同的巡查场景模型根据模型规则的定义以及底层多种不同算法进行大数据分析和数据处理，完整输出非正常车辆信息和行程信息；
[0008]步骤四、对于未知场景的高速欠费行为：基于元认知迭代算法和机器学习技术的应用对海量数据中异常行为的自主挖掘分析。
[0009]优选的，所述进入巡查场景模型对各种欠费场景形成进行分表，每一个分表设置一个编号，任意一个不同编号在迭代算法优化更新出同一车辆不同场景的时间区间，对每一个时间区间内的场景查找窗口时间为3秒。
[0010]优选的，所述场景中车辆牌照不实的车辆进行查找了解具体情况，流程如下：
[0011]A)将车辆图像信息及调查人员获悉的行程路线信息输入至大数据分析处理库中；
[0012]B)依据车辆车型和颜色，筛查出全部匹配欠费车辆和欠费类型；
[0013]C)在同一种欠费类型中再次依据图像环境背景进行匹配筛查，找出非正常车辆及相关通行行程全部信息数据。
[0014]优选的，所述鉴别欠费类型中有车辆号码不实情况，在迭代算法优化的数据缓存中根据任意一个时间区间，找到相对应的巡查场景图像信息作为违章证据信息，采用线下现场处理欠费违章的交通行为。
[0015]优选的，所述步骤一中建立不同巡查场景模型通过交易车辆和实际车辆匹配、行驶路径还原确认手段，开发多种巡查场景模型，并支持参数配置化，同时支持实时数据处理和离线数据批量分析。
[0016]优选的，所述步骤二中数据信息通过passId、车牌号码对数据进行实时关联，作为车辆匹配模型的输入信息。
[0017]优选的，所述步骤四中还通过模型的自我训练和自我学习，对已有模型规则的迭代优化。
[0018]本专利技术的有益效果是：深入结合车辆欠费行为特征，生成高速公路车辆模型匹配算法，兼容各省不同路段欠费场景，大大降低筛选的非正常数据与实际欠费情况的偏差，提高稽核效率，快速精准查找非正常欠费车辆，实现车辆的精准打逃。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0020]图1为本专利技术的欠费车辆模型匹配算法的流程图。
具体实施方式
[0021]为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0022]下面结合附图并通过具体实施方式来进一步说明本专利技术的技术方案。
[0023]在本专利技术的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0024]请参阅图1所示，一种高速公路欠费车辆模型匹配算法，包括进入巡查场景模型、鉴别欠费类型、输出非正常车辆信息和行程信息、运行迭代算法优化更新欠费时间区间和线上线下办理交通违章罚单，在进入巡查场景模型与运行迭代算法优化更新欠费时间区间内的处理步骤如下：
[0025]步骤一、结合各省路段收费业务逻辑和大车小标、屏蔽计费设备、倒换卡建立不同巡查场景模型；
[0026]步骤二、接收收费站入出口交易数据、收费站车牌识别数据、门架计费扣费交易数
据和门架车牌识别数据；
[0027]步骤三、将车辆高速行驶相关行程数据作为输入项，不同的巡查场景模型根据模型规则的定义以及底层多种不同算法进行大数据分析和数据处理，完整输出非正常车辆信息和行程信息；
[0028]步骤四、对于未知场景的高速欠费行为：基于元认知迭代算法和机器学习技术的应用对海量数据中异常行为的自主挖掘分析。
[0029]进一步地，所述进入巡查场景模型对各种欠费场景形成进行分表，每一个分表设置一个编号，任意一个不同编号在迭代算法优化更新出同一车辆不同场景的时间区间，对每一个时间区间内的场景查找窗口时间为3秒。
[0030]优选的，所述场景中车辆牌照不实的车辆进行查找了解具体情况，流程如下：
[0031]A)将车辆图像信息及调查人员获悉的行程路线信息输入至大数据分析处理库中；
[0032]B)依据车辆车型和颜色，筛查出全部匹配欠费车辆和欠费类型；
[0033]C)在同一种欠费类型中再次依据图像环境背景进行匹配筛查，找出非正常车辆及相关通行行程全部信息数据。
[0034]进一步地，所述鉴别欠费类型中有车辆号码不实情况，在迭代算法优化的数据缓存中根据任意一个时间区间，找到相对应的巡查场景图像信息作为违章证据信息，采用线下现场处理欠费违章的交通行为。
[0035]进一步地，所述步骤一中建立不同巡查场景模型通过交易车辆和实际车辆匹配、行驶路径还原确认手段，开发多种巡查场景模型，并支持参数配置化，同时支持实时数据处理和离线数据批量分析。
[0036]进一步地，所述步骤二中数据信息通过passI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速公路欠费车辆模型匹配算法，包括进入巡查场景模型、鉴别欠费类型、输出非正常车辆信息和行程信息、运行迭代算法优化更新欠费时间区间和线上线下办理交通违章罚单，其特征在于，在进入巡查场景模型与运行迭代算法优化更新欠费时间区间内的处理步骤如下：步骤一、结合各省路段收费业务逻辑和大车小标、屏蔽计费设备、倒换卡建立不同巡查场景模型；步骤二、接收收费站入出口交易数据、收费站车牌识别数据、门架计费扣费交易数据和门架车牌识别数据；步骤三、将车辆高速行驶相关行程数据作为输入项，不同的巡查场景模型根据模型规则的定义以及底层多种不同算法进行大数据分析和数据处理，完整输出非正常车辆信息和行程信息；步骤四、对于未知场景的高速欠费行为：基于元认知迭代算法和机器学习技术的应用对海量数据中异常行为的自主挖掘分析。2.根据权利要求1所述的一种高速公路欠费车辆模型匹配算法，其特征在于：所述进入巡查场景模型对各种欠费场景形成进行分表，每一个分表设置一个编号，任意一个不同编号在迭代算法优化更新出同一车辆不同场景的时间区间，对每一个时间区间内的场景查找窗口时间为3秒。3.根据权利要求1所述的一种高速公路欠费车辆模型匹配算法，其特征在于：所述场景中车辆牌照不实的车辆...

【专利技术属性】
技术研发人员：鹿洪杰，魏凯，王丽君，梁超，陈佳兴，焦自玲，
申请(专利权)人：太极计算机股份有限公司，
类型：发明
国别省市：