一种基于大数据模型的制造技术

本申请公开了一种基于大数据模型的

【技术实现步骤摘要】
一种基于大数据模型的ETC使用方法、装置、设备及介质


[0001]本申请涉及大数据领域，特别涉及一种基于大数据模型的
ETC
使用方法
、
装置
、
设备及介质
。

技术介绍

[0002]目前，电子收费
(Electronic Toll Collection
，
ETC)
可以绑定用户的借记卡和信用卡，通行前无法获知账户实际余额和扣款账户等情况，在通行完成后，银行接收高速发行方提供的扣款文本，发起核心扣款交易
。
在交易过程中，容易出现因账户异常或余额不足等原因导致扣款失败的问题
。
面对扣款失败，银行方需多次向客户发起补缴补扣流程，浪费业务系统资源，耗时长，资金回收慢，影响路网中心和发行方的各方资金清算效率
。

技术实现思路

[0003]有鉴于此，本申请的目的在于提供一种基于大数据模型的
ETC
使用方法
、
装置
、
设备及介质，降低由于账户金额不足出现扣费失败的概率，避免重复发起补缴补扣的流程，有效降低银行补缴交易频率
。
其具体方案如下：
[0004]一方面，本申请提供了一种基于大数据模型的
ETC
使用方法，包括：
[0005]在车辆驶入收费道路前，通过第一
ETC
闸机对所述车辆的扫描，获取所述车辆的出发地点和出发时间；所述车辆具有
ETC/>账户；
[0006]将所述出发地点和所述出发时间输入至
ETC
出行费用预测模型中，输出
ETC
出行预测费用；
[0007]判断所述
ETC
账户中的账户余额是否小于所述
ETC
出行预测费用；
[0008]若是，则向所述
ETC
账户发送第一预警信息，所述第一预警信息用于提醒用户及时充值所述
ETC
账户
。
[0009]具体地，所述方法还包括：
[0010]若所述账户余额大于或等于所述
ETC
出行预测费用，则在所述
ETC
账户扣款圈存所述
ETC
出行预测费用
。
[0011]具体地，所述方法还包括：
[0012]在所述车辆驶出所述收费道路经过第二
ETC
闸机时，确定
ETC
出行实际费用；
[0013]对所述
ETC
出行预测费用解除扣款圈存，并在所述
ETC
账户中扣除所述
ETC
出行实际费用
。
[0014]具体地，在所述判断所述
ETC
账户中的账户余额是否小于所述
ETC
出行预测费用之前，所述方法还包括：
[0015]判断所述
ETC
账户的账户状态是否正常；
[0016]若是，则执行所述判断所述
ETC
账户中的账户余额是否小于所述
ETC
出行预测费用的步骤；否则，向所述
ETC
账户发送第二预警信息，所述第二预警信息用于向所述用户通知所述账户状态
。
[0017]具体地，所述
ETC
出行费用预测模型通过以下方式训练得到：
[0018]获取训练集；所述训练集包括多条通行记录，所述通行记录包括历史出发地
、
历史目的地
、
历史出行时间和历史
ETC
出行实际费用；
[0019]利用所述训练集对预设模型进行训练，得到所述
ETC
出行费用预测模型
。
[0020]另一方面，本申请实施例还提供了一种基于大数据模型的
ETC
使用装置，包括：
[0021]获取单元，用于在车辆驶入收费道路前，通过第一
ETC
闸机对所述车辆的扫描，获取所述车辆的出发地点和出发时间；所述车辆具有
ETC
账户；
[0022]预测单元，用于将所述出发地点和所述出发时间输入至
ETC
出行费用预测模型中，输出
ETC
出行预测费用；
[0023]判断单元，用于判断所述
ETC
账户中的账户余额是否小于所述
ETC
出行预测费用；
[0024]第一确定单元，用于若是，则向所述
ETC
账户发送第一预警信息，所述第一预警信息用于提醒用户及时充值所述
ETC
账户
。
[0025]具体地，所述装置还包括：
[0026]第二确定单元，用于若所述账户余额大于或等于所述
ETC
出行预测费用，则在所述
ETC
账户扣款圈存所述
ETC
出行预测费用
。
[0027]具体地，所述装置还包括：
[0028]第三确定单元，用于在所述车辆驶出所述收费道路经过第二
ETC
闸机时，确定
ETC
出行实际费用；
[0029]扣除单元，用于对所述
ETC
出行预测费用解除扣款圈存，并在所述
ETC
账户中扣除所述
ETC
出行实际费用
。
[0030]另一方面，本申请实施例还提供了一种计算机设备，所述计算机设备包括处理器以及存储器：
[0031]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0032]所述处理器用于根据所述程序代码中的指令执行所述的基于大数据模型的
ETC
使用方法
。
[0033]另一方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行所述的基于大数据模型的
ETC
使用方法
。
[0034]本申请实施例提供了一种基于大数据模型的
ETC
使用方法
、
装置
、
设备及介质，在车辆驶入收费道路前，通过第一
ETC
闸机对车辆的扫描，可以获取车辆的出发地点和出发时间；车辆具有
ETC
账户；然后，将出发地点和出发时间输入至
ETC
出行费用预测模型中，输出
ETC
出行预测费用，实现提前预测出行费用，接着判断
ETC
账户中的账户余额是否小于
ETC
出行预测费用，若是，说明
ETC
账户余额很可能不够本次出行费用，极有可能出现扣费失败的情况，则向
ETC
账户发送第一预警信息，第一预警信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据模型的
ETC
使用方法，其特征在于，包括：在车辆驶入收费道路前，通过第一
ETC
闸机对所述车辆的扫描，获取所述车辆的出发地点和出发时间；所述车辆具有
ETC
账户；将所述出发地点和所述出发时间输入至
ETC
出行费用预测模型中，输出
ETC
出行预测费用；判断所述
ETC
账户中的账户余额是否小于所述
ETC
出行预测费用；若是，则向所述
ETC
账户发送第一预警信息，所述第一预警信息用于提醒用户及时充值所述
ETC
账户
。2.
根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述账户余额大于或等于所述
ETC
出行预测费用，则在所述
ETC
账户扣款圈存所述
ETC
出行预测费用
。3.
根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述车辆驶出所述收费道路经过第二
ETC
闸机时，确定
ETC
出行实际费用；对所述
ETC
出行预测费用解除扣款圈存，并在所述
ETC
账户中扣除所述
ETC
出行实际费用
。4.
根据权利要求1所述的方法，其特征在于，在所述判断所述
ETC
账户中的账户余额是否小于所述
ETC
出行预测费用之前，所述方法还包括：判断所述
ETC
账户的账户状态是否正常；若是，则执行所述判断所述
ETC
账户中的账户余额是否小于所述
ETC
出行预测费用的步骤；否则，向所述
ETC
账户发送第二预警信息，所述第二预警信息用于向所述用户通知所述账户状态
。5.
根据权利要求1‑4任意一项所述的方法，其特征在于，所述
ETC
出行费用预测模型通过以下方式训练得到：获取训练集；所述训练集包括多条通行记录，所述通行记录包括历史出发地
、

【专利技术属性】
技术研发人员：汪素芳，纪恩健，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：