【技术实现步骤摘要】
本专利技术属于智能交通，具体是指一种基于地图的高速公路收费路径可视化方法。
技术介绍
1、高速公路收费方式以半自动收费mtc为主，并辅助以etc方式。mtc需要人工判别车型，车道配备的硬件及电子设备对通行卡进行处理、数据传输，并由收费站管理员结账打印各班次工作报表。通过给车道配备车道闭路电视系统，实现对车道情况的实时查看，达到对收费业务全程监管的目的；etc又称电子收费方式，通行车辆的车载标签和收费站的信号发射与接收装置进行无线微波通信，车辆以一定速度通过收费站，不停车完成支付。
2、传统高速公路的监测系统，交通流参数实时数据的采集主要是通过车辆检测器来实现的，车辆的车型、具体路径等重要信息信息仅由安装于汽车的车载电子标签或人工来进行判断，混合车道采用入口人工发卡，出口人工收卡、计费、收取通行费的模式，无论是etc专用车道还是混合车道，都仅仅通过信息卡所记录的路径进行收费；这种方式导致高速收费站点的逃费、漏检现象屡见不鲜，严重扰乱了正常收费秩序；且传统高速公路在用户缴费之后，用户往往对费用的细节并不知情，为了对收费明细进行查询，需要在缴费后申请打印发票且要离车去获取该发票，或者登录对应省市的高速收费网站或者有关app去查询获取，无论哪种方式流程都相对繁琐。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供一种基于地图的高速公路收费路径可视化方法，有效解决了目前市场上的技术问题。
2、本专利技术采取的技术方案如下：本专利技术一种基于地图的高
3、步骤一、对于所述一段时间内的第t分钟，训练数据生成模块从数据采集模块获取样例数据c＝(va(t),vb(t),va(t-δt),vb(t-δt),)，其中，va(t)和vb(t)分别为在第t分钟经过高速公路路段的起点和终点的汽车的行驶速度，va(t-δt)和vb(t-δt)分别为在第t-δt分钟经过高速公路路段的起点和终点的汽车的行驶速度，δt为数据采集模块获取汽车行驶速度数据的时间间隔；
4、步骤二、获取汽车在高速公路上的行驶速度范围，并按照相同的行驶速度间隔将所述行驶速度范围划分为若干个小的行驶速度范围，每个所述小的行驶速度范围作为一个速度等级，所述速度等级使用所述小的行驶速度范围内的中间值来表示；
5、步骤三、针对所述样例数据c，分别将va(t)，vb(t)，va(t-δt)，及vb(t-δt)划分到四个所述速度等级中，四个所述速度等级共同构成所述样例数据c的类别；
6、步骤四、统计在所述一段时间内，相同的样例数据c的类别的出现次数，并选取所述出现次数大于系统预先设定的次数阈值的样例数据c的类别中的样例数据来构建所述训练数据集；
7、步骤四、利用多维数据分析平台、数据实时处理平台、智能决策平台和核查平台，进行收费检测；
8、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；
9、其中，所述数据实时处理平台基于流处理大数据技术，通过增量式的实时计算，把采集过来的原始高速公路流水数据，计算加工成指标；
10、其中，所述智能决策平台包括规则引擎和机器学习模型引擎的双核智能决策引擎，所述智能决策平台基于机器学习模型和加工得到的指标，进行可视化规则配置，优化获得有效的规则模型、上线并执行，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，并将结果传送给所述核查平台；
11、其中，所述核查平台对所述智能决策平台中执行规则后触发的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。
12、作为本专利技术进一步的方案：所述训练数据生成模块构建所述训练数据集，还包括如下的步骤：
13、步骤一、对于属于相同所述类别的多个样例数据c，分别获取与样例数据c在对应相同的时间点下经过高速公路路段的起点和终点之间的特定位置的汽车的行驶速度vx(t)，其中，t代表所述一段时间内的第t分钟；
14、步骤二、针对相同的样例数据c的类别下的多个所述行驶速度vx(t)，以所述行驶速度vx(t)所属的所述速度等级为横轴，以所述行驶速度vx(t)所属的所述速度等级出现的频率值为纵轴来建立频率分布直方图；
15、步骤三、将所述频率分布直方图上的与样例数据c相对应的行驶速度vx(t)的速度等级出现的频率值和所述样例数据c一起用来构建完整的所述训练数据集。
16、作为本专利技术再进一步的方案：所述多维数据分析平台包括数据接入单元、数据管理单元、数据清洗单元、数据分析单元、指标预加工单元和机器学习建模，所述数据接入单元接收来自t+1数据的数据，并经数据清洗、指标预加工、管理、机器学习建模和分析后，通过大数据平台传输给数据实时处理平台。
17、作为本专利技术再进一步的方案：所述多维数据分析平台将机器学习建模后的数据结合高速公路收费风险案件特征进行分析，并且固定成为案件规则。
18、作为本专利技术再进一步的方案：所述多维数据分析平台中，所述机器学习模型的训练具体为:以dag工作流的形式使用相应的机器算法和数据生成模型，包括有监督建模和无监督建模；有监督建模和无监督建模；有监督建模包括随机森林、lasso、决策树、逻辑回归、gbdt、svm、神经网络算法或朴素贝叶斯；无监督建模包括k-means、谱聚类、pca或em算法。
19、作为本专利技术再进一步的方案：所述数据实时处理平台包括指标计算管理单元和指标计算引擎，所述指标计算引擎接收指标计算管理单元的订阅计算脚本、外部实时数据以及多维数据分析平台传输的经机器学习模型处理和分析的离线数据；所述数据实时处理平台基于时间窗口移动对动态数据快速处理，新的增量数据流入数据实时处理平台后根据计算脚本中定义的时间单位，自动识别是否需要合并老数据并更新指标计算结果，同时根据定义的失效时间将旧数据剔除，实现随时间窗口的移动持续得到精确的计算结果。
20、作为本专利技术再进一步的方案：所述多维数据分析平台的机器学习模型生成多个角度参数的评估报告，评估报告的多个角度参数包括基础指标、图形化展示、阈值划分、混淆矩阵、和概率分段统计，所述t+1数据包括底层获取的车道数据、门架数据、收费数据和视频解析后结构化数据；所述大数据平台为数据管理层，数据管理层通过实时、准实时、离线的方式获取和汇总数据。
21、作为本专利技术再进一步的方案：所述智能决策平台还包括指标库管理单元、机器学习模型库管理单元和规则库管理单元，所述规则引擎和模型引擎通过指标库管理单元的指标对机器学习模型管理单元和规则库管理单元进行训练和决策，实现规则管理、模型管理和指标管理，并输出决策结果。
22、作为本专利技术再进一步的方案：所述模型训练模本文档来自技高网...
【技术保护点】
1.一种基于地图的高速公路收费路径可视化方法，其特征在于：所述训练数据生成模块基于所述数据采集模块在一段时间内采集到的数据构建训练数据集，包括如下的步骤：
2.根据权利要求1所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述训练数据生成模块构建所述训练数据集，还包括如下的步骤：
3.根据权利要求2所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述多维数据分析平台包括数据接入单元、数据管理单元、数据清洗单元、数据分析单元、指标预加工单元和机器学习建模，所述数据接入单元接收来自T+1数据的数据，并经数据清洗、指标预加工、管理、机器学习建模和分析后，通过大数据平台传输给数据实时处理平台。
4.根据权利要求3所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述多维数据分析平台将机器学习建模后的数据结合高速公路收费风险案件特征进行分析，并且固定成为案件规则。
5.根据权利要求4所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述多维数据分析平台中，所述机器学习模型的训练具体为:以DAG工作流
6.根据权利要求5所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述数据实时处理平台包括指标计算管理单元和指标计算引擎，所述指标计算引擎接收指标计算管理单元的订阅计算脚本、外部实时数据以及多维数据分析平台传输的经机器学习模型处理和分析的离线数据；所述数据实时处理平台基于时间窗口移动对动态数据快速处理，新的增量数据流入数据实时处理平台后根据计算脚本中定义的时间单位，自动识别是否需要合并老数据并更新指标计算结果，同时根据定义的失效时间将旧数据剔除，实现随时间窗口的移动持续得到精确的计算结果。
7.根据权利要求6所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述多维数据分析平台的机器学习模型生成多个角度参数的评估报告，评估报告的多个角度参数包括基础指标、图形化展示、阈值划分、混淆矩阵、和概率分段统计，所述T+1数据包括底层获取的车道数据、门架数据、收费数据和视频解析后结构化数据；所述大数据平台为数据管理层，数据管理层通过实时、准实时、离线的方式获取和汇总数据。
8.根据权利要求7所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述智能决策平台还包括指标库管理单元、机器学习模型库管理单元和规则库管理单元，所述规则引擎和模型引擎通过指标库管理单元的指标对机器学习模型管理单元和规则库管理单元进行训练和决策，实现规则管理、模型管理和指标管理，并输出决策结果。
9.根据权利要求8所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述模型训练模块基于所述训练数据集对所述神经网络模型进行训练，包括如下的步骤：
10.根据权利要求9所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述模型预测模块将汽车经过高速公路路段的起点和终点的行驶速度输入到经所述模型训练模块训练好的神经网络模型中，神经网络模型输出汽车以不同的所述速度等级的行驶速度经过高速公路路段的起点和终点之间的特定位置的概率值，所述超速展示模块在高速公路的可视化GIS模型上，针对汽车在高速公路路段的起点和终点之间的超速行驶的位置以可视化的方式进行标注，该过程包括获取汽车经过高速公路路段的起点和终点之间的特定位置的行驶速度，并将行驶速度划分到所述速度等级中，当行驶速度超过系统预先设定的速度等级阈值时，系统通过使用可视化的方式对进行了超速行驶的汽车进行标注。
...【技术特征摘要】
1.一种基于地图的高速公路收费路径可视化方法，其特征在于：所述训练数据生成模块基于所述数据采集模块在一段时间内采集到的数据构建训练数据集，包括如下的步骤：
2.根据权利要求1所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述训练数据生成模块构建所述训练数据集，还包括如下的步骤：
3.根据权利要求2所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述多维数据分析平台包括数据接入单元、数据管理单元、数据清洗单元、数据分析单元、指标预加工单元和机器学习建模，所述数据接入单元接收来自t+1数据的数据，并经数据清洗、指标预加工、管理、机器学习建模和分析后，通过大数据平台传输给数据实时处理平台。
4.根据权利要求3所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述多维数据分析平台将机器学习建模后的数据结合高速公路收费风险案件特征进行分析，并且固定成为案件规则。
5.根据权利要求4所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述多维数据分析平台中，所述机器学习模型的训练具体为:以dag工作流的形式使用相应的机器算法和数据生成模型，包括有监督建模和无监督建模；有监督建模和无监督建模；有监督建模包括随机森林、lasso、决策树、逻辑回归、gbdt、svm、神经网络算法或朴素贝叶斯；无监督建模包括kmeans、谱聚类、pca或em算法。
6.根据权利要求5所述的一种基于地图的高速公路收费路径可视化方法，其特征在于：所述数据实时处理平台包括指标计算管理单元和指标计算引擎，所述指标计算引擎接收指标计算管理单元的订阅计算脚本、外部实时数据以及多维数据分析平台传输的经机器学习模型处理和分析的离线数据；所述数据实时处理平台基于时间窗口移动对动态数据快速处理，新的增量数据流入数据实时处理平台后根据计算脚本中定义的时间单位，自动识别是...
【专利技术属性】
技术研发人员：张佳松，梁健文，谢杰中，王文涛，
申请(专利权)人：广东联合电子服务股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。