作者：謝鵬遠(yuǎn)（山西交通控股集團有限公司）

摘要：隨著省界收費站全部取消，全國實現(xiàn)了“收費一張網(wǎng)”，極大地提升了高速公路路網(wǎng)通行效率，然而在經(jīng)濟利益的驅(qū)使下，偷逃通行費行為層出不窮并呈現(xiàn)出多樣化、隱蔽化特點。傳統(tǒng)稽核方法存在依賴人工、遏制難度大、運營服務(wù)能力不足等問題，無法滿足新收費模式下的稽核需求。本文基于大數(shù)據(jù)、邊緣計算、AI算法等技術(shù)，對AI稽核系統(tǒng)平臺建設(shè)進(jìn)行了探討，提出了多流水融合路徑還原、邊緣計算實時稽查、多維AI稽核引擎等方法，并建立了多種偷逃費稽核模型。結(jié)果表明，AI稽核系統(tǒng)可有效核查多種偷逃費行為，模型準(zhǔn)確率高，能夠滿足核查需求。

截至2019年底，全國29個聯(lián)網(wǎng)收費省份487個省界收費站全部取消，實現(xiàn)了全國“收費一張網(wǎng)”[1]。據(jù)統(tǒng)計，全國擁有ETC客戶1.92億、門架系統(tǒng)24588套、ETC車道48211條、不停車稱重系統(tǒng)11401套，在大幅提高高速公路通行效率的同時[2]，偷逃通行費行為呈不斷增長態(tài)勢，偷逃通行費金額巨大，且呈現(xiàn)出多樣化、隱蔽化、高科技化的特點[3]，嚴(yán)重擾亂了高速公路收費工作正常秩序。為有效克服傳統(tǒng)稽核手段存在的弊端，本文基于大數(shù)據(jù)、邊緣計算、AI算法等手段的稽核方法6-7，針對山西省全過程、全時段、全區(qū)域深入挖掘偷逃漏通行費行為，通過深度研究車輛抓拍圖像、通行流水及多維度結(jié)構(gòu)化通行軌跡等方式，真實還原通行過程車輛信息，為偷逃漏通行費稽核提供證據(jù)鏈判定，達(dá)到維護高速公路正常收費秩序和公平繳費環(huán)境、有效防范和遏制偷逃漏通行費行為、提升實時交易和稽核追繳成功率、有效降低偷逃漏通行費比重的目的。

一、傳統(tǒng)稽核方法存在的問題

隨著高速公路路網(wǎng)不斷擴大，不法車輛利用各種形式偷逃通行費且隱蔽性強，給國家、企業(yè)造成了巨大經(jīng)濟損失。然而，傳統(tǒng)稽核手段[4-5]存在以下問題：（1）依賴人工識別，存在稽核準(zhǔn)確性不高、效率低下、手段單一，且數(shù)據(jù)量大、分散程度高、人工篩選難等問題，導(dǎo)致缺乏追繳證據(jù)鏈；（2）遏制難度大，換卡逃費、大車小標(biāo)等傳統(tǒng)偷逃通行費行為難以遏制，新型偷逃通行費行為層出不窮；（3）運營服務(wù)能力急需提高，由于高速公路通行費計費方式不同、計費金額差異等原因，社會負(fù)面影響大，車主用戶滿意度低，且現(xiàn)場稽查帶來的擁堵情況難以避免；（4）稽核信用體系缺失，行車信息與社會信用未形成關(guān)聯(lián)，無法納入不良征信體系并對人車黑、灰和預(yù)警名單等信用低下車輛規(guī)范行車或駕駛行為。可以看出，傳統(tǒng)稽核手段已無法滿足當(dāng)前高速公路運營管理需要。

二、AI稽核系統(tǒng)總體建設(shè)方案

本文重點分析ETC識讀率低、牌識流水與抓拍率低、假冒減免車輛、套牌、改變繳費路徑作弊等問題，從提高數(shù)據(jù)采集的精準(zhǔn)性、數(shù)據(jù)傳輸?shù)目煽啃浴?shù)據(jù)分析的智能性3個方面出發(fā)，創(chuàng)新引入AI流量卸載、人工智能、大數(shù)據(jù)、邊云協(xié)同等技術(shù)，充分利用ETC門架、收費站等流水和圖像信息，開展多流水融合路徑還原、邊緣計算實時稽查、多維AI稽核引擎等方法研究，實現(xiàn)智能實時稽核，解決人工投入大、時效性差等問題，同時不斷提高稽核追繳成功率，形成稽核業(yè)務(wù)閉環(huán)“一張網(wǎng)”，總體設(shè)計思路如圖1所示。

（一）數(shù)據(jù)源
數(shù)據(jù)源是開展收費稽核工作的基礎(chǔ)，包括通行、交易、牌識、視頻等采集數(shù)據(jù)和車輛發(fā)行、路網(wǎng)、費率、節(jié)點等基礎(chǔ)數(shù)據(jù)，具體如下[8]。1、車道收費數(shù)據(jù)具體包括車道收費交易數(shù)據(jù)和車道牌識數(shù)據(jù)，其中車道收費交易數(shù)據(jù)包括出入口站點、出入口時間、車牌、車型、軸重、軸數(shù)、行駛里程、收費金額等；車道收費牌識數(shù)據(jù)包括收費站編號、抓拍時間、識別車牌號、識別車型、抓拍圖片等。2、門架計費數(shù)據(jù)和牌識數(shù)據(jù)具體包括門架計費交易數(shù)據(jù)和門架牌識數(shù)據(jù)，其中，門架計費交易數(shù)據(jù)包括入口信息、交易時間、車型、車牌、計費里程、計費金額等；門架牌識數(shù)據(jù)包括門架編號、抓拍時間、識別車牌號、識別車型、拍攝位置、抓拍圖片等。3、發(fā)行數(shù)據(jù)包括ETC和OBU的發(fā)行數(shù)據(jù)，具體包括發(fā)行省份、發(fā)行時間、車牌、車型、顏色、圖片、軸數(shù)以及辦理人的相關(guān)信息。4、跨省拆分?jǐn)?shù)據(jù)包括車輛跨省通行的車輛通行數(shù)據(jù)和收費數(shù)據(jù)，具體包括車輛通行收費站出入口數(shù)據(jù)、車道交易數(shù)據(jù)、門架計費數(shù)據(jù)等信息。5、全省治超數(shù)據(jù)和治超牌識數(shù)據(jù)主要包括車輛通行數(shù)據(jù)、計重數(shù)據(jù)和牌識數(shù)據(jù)，具體包括車輛通行時間、車牌、車型、軸重、軸型、圖片等數(shù)據(jù)。（二） AI稽核系統(tǒng)設(shè)計思路1、AI稽核網(wǎng)絡(luò)拓?fù)銩I稽核系統(tǒng)采用了大數(shù)據(jù)集群服務(wù)器、地圖引擎服務(wù)器、應(yīng)用服務(wù)器，網(wǎng)絡(luò)拓?fù)淙鐖D2所示。其中，大數(shù)據(jù)集群服務(wù)器主要對收費數(shù)據(jù)、發(fā)行數(shù)據(jù)、拆分?jǐn)?shù)據(jù)、治超數(shù)據(jù)、牌識數(shù)據(jù)接收、存儲以及對稽核模型、路徑還原等進(jìn)行計算，還能通過倒排索引對數(shù)據(jù)進(jìn)行高性能檢索；地圖引擎服務(wù)器主要實現(xiàn)地圖圖層加載、路網(wǎng)模型計算；應(yīng)用服務(wù)器主要實現(xiàn)對AI稽核系統(tǒng)的部署和接口的數(shù)據(jù)交互。

2、AI稽核系統(tǒng)架構(gòu)AI稽核系統(tǒng)基于Hadoop框架進(jìn)行開發(fā)，利用Hadoop大數(shù)據(jù)平臺的實時流計算能力完成高吞吐量、具備容錯機制的實時流數(shù)據(jù)處理，利用HDFS、HBASE、HIVE組件完成關(guān)聯(lián)性數(shù)據(jù)存儲，存儲方式為以車牌為中心，圖片、流水、車牌顏色、門架、出入口等相關(guān)屬性數(shù)據(jù)組合，數(shù)據(jù)流向如圖3所示。其中，HBASE中主要按照車牌、時間等設(shè)計主鍵來實現(xiàn)分區(qū)的均勻分布和快速檢索，并通過HBASE的觸發(fā)插件在數(shù)據(jù)插入過程中，將以車牌為中心的屬性異步發(fā)送到分布式倒排索引模塊。分布式倒排索引模塊負(fù)責(zé)按需要業(yè)務(wù)查詢的屬性進(jìn)行索引倒排處理，把數(shù)據(jù)導(dǎo)入到ES中。

同時，鑒于數(shù)據(jù)存儲介質(zhì)、數(shù)據(jù)存儲類型和數(shù)據(jù)傳輸方式的差異，通過不同工具實現(xiàn)異源、異構(gòu)數(shù)據(jù)的導(dǎo)入。其中，對實時性要求較高的監(jiān)測數(shù)據(jù)以分布式消息隊列的形式由Kafka分發(fā)；關(guān)系型數(shù)據(jù)庫由Sqoop等工具直接將數(shù)據(jù)導(dǎo)入HDFS；非實時性數(shù)據(jù)選擇MapReduce計算引擎，實時性要求較高的數(shù)據(jù)選擇Spark或Storm計算框架。3、AI稽核系統(tǒng)流程AI稽核系統(tǒng)流程如圖4所示，可分為4個步驟：（1）省中心數(shù)據(jù)、拆分?jǐn)?shù)據(jù)、治超數(shù)據(jù)、發(fā)行數(shù)據(jù)等接收匯聚至大數(shù)據(jù)平臺，通過稽核模型數(shù)據(jù)驗證，得到疑似偷逃費數(shù)據(jù)；（2）系統(tǒng)根據(jù)疑似偷逃費數(shù)據(jù)，自動匹配生成稽核工單和證據(jù)鏈，并推送至省中心稽核平臺及稽核應(yīng)用；（3）省中心稽核平臺將稽核工單和證據(jù)鏈推送至收費站，一線稽核人員確認(rèn)后提交追繳工單，工單提交至路段和省中心進(jìn)行審核；（4）省中心稽核平臺審核完畢后，生成追繳名單，并反饋校驗結(jié)果、稽核結(jié)論等至AI稽核系統(tǒng)。

（三）路徑還原路徑還原是開展稽核分析工作的前提，本文通過利用多流水融合路徑擬合方法，通過利用ETC門架交易數(shù)據(jù)和牌識數(shù)據(jù)、收費站出入口交易數(shù)據(jù)和牌識數(shù)據(jù)、治超通行數(shù)據(jù)和牌識數(shù)據(jù)、費率數(shù)據(jù)及路網(wǎng)帶權(quán)有向圖等進(jìn)行車輛通行路徑還原，對通行數(shù)據(jù)和牌識數(shù)據(jù)損失嚴(yán)重的通行車輛通過歷史通行數(shù)據(jù)進(jìn)行路徑通行概率預(yù)測，實現(xiàn)路徑還原。1、GIS地圖標(biāo)注地理信息系統(tǒng)（GIS）是開展存儲、管理、分析等與空間相關(guān)的信息系統(tǒng)，由于收費站、ETC門架是路徑還原的關(guān)鍵節(jié)點，基于路網(wǎng)基礎(chǔ)信息將收費站、ETC門架、費率、隧道、橋梁等高速公路基礎(chǔ)設(shè)施單元及相關(guān)設(shè)備標(biāo)注到GIS地圖上，同時將每一個計費單位在GIS進(jìn)行標(biāo)注和劃分，形成基礎(chǔ)信息圖層、門架和收費站圖層、計費單元圖層、帶權(quán)有向圖的節(jié)點圖層等。2、路徑還原模型在路徑還原之前應(yīng)先開展路徑融合工作，即通過對交易流水（交易憑證）/通行流水、圖像流水比對分析，判斷車輛路徑節(jié)點證據(jù)鏈?zhǔn)欠裢暾?，具體標(biāo)記規(guī)則如表1所示。

路徑節(jié)點證據(jù)鏈符合要求后，即可根據(jù)車輛類型、出入收費站、途徑ETC門架等條件，基于帶權(quán)有向圖進(jìn)行車輛路徑還原（通行路徑擬合），如圖5所示。路徑還原后對合并路徑有效性進(jìn)行判斷，對于異常路徑，系統(tǒng)自動剔除。

（四）稽核模型建立與準(zhǔn)確率驗證本文所述AI稽核系統(tǒng)根據(jù)不同逃費類型建立對應(yīng)模型，目前已實現(xiàn)大車小標(biāo)、有入無出、屏蔽卡簽入省、屏蔽卡簽出省、跑長買短、CPC倒卡、CPC入OBU出、一車多卡、一車多簽等近10種偷逃費行為稽核。以大車小標(biāo)偷逃費行為進(jìn)行舉例說明。改變車型（車種）：大車小標(biāo)是指發(fā)行車型跟實際車型不符。通過非法手段辦理或套取使用與實際車型不符的車輛標(biāo)簽，達(dá)到偷逃費的目的?；藬?shù)據(jù)驗證方式如下：（1）通過交易數(shù)據(jù)中的車牌、車牌顏色和車型與發(fā)行數(shù)據(jù)對比，確定大車小標(biāo)；（2）利用入口稱重數(shù)據(jù)，在收費數(shù)據(jù)中的入口交易數(shù)據(jù)搜索軸數(shù)與車型不符的車輛；（3）搜索收費數(shù)據(jù)中的入口交易數(shù)據(jù)，車型為一型貨車，且車牌顏色為黃色的車輛；（4）篩選車輛通過ETC專道和人工車道的收費車型存在不一致的情況，通過車牌號篩選某個車牌多次出現(xiàn)兩個及以上的車型的車輛；（5）對篩選出的車輛，根據(jù)大數(shù)據(jù)平臺圖片、交易數(shù)據(jù)，對特征點進(jìn)行對比分析，形成初步結(jié)論。通過對稽核模型分析數(shù)據(jù)與稽核人員核實數(shù)據(jù)對比分析，進(jìn)行稽核模型分析篩查準(zhǔn)確率驗證，稽核模型準(zhǔn)確率如表2所示。屏蔽卡簽、倒卡通行介質(zhì)等稽核模型準(zhǔn)確率較高，達(dá)90%，有入無出（闖關(guān)、跟車）、跑長買短（U/J行駛）因系統(tǒng)及計費規(guī)則、現(xiàn)場管理和證據(jù)獲取等多重因素影響，準(zhǔn)確率為50%~60%左右，但能夠滿足稽核業(yè)務(wù)需求?；四Ｐ蜏?zhǔn)確率如表2所示。

三、稽核結(jié)果數(shù)據(jù)分析

利用AI 稽核平臺對山西省2020年5月6日至2021年12月31日通行數(shù)據(jù)進(jìn)行全量分析，共篩查累計篩查疑似逃費車輛67.3萬臺、涉及行程約141.5萬車次、涉及總金額1.05億元，根據(jù)稽核模型準(zhǔn)確率測算，預(yù)測逃費車次95.8萬車次，預(yù)測逃費金額0.75億元，截至2022年1月底，各高速公路運營公司稽核人員完成全部疑似逃費數(shù)據(jù)審核，完善證據(jù)鏈，最終確認(rèn)逃費車次93.5萬車次，確認(rèn)逃費金額0.74億元，已追繳5500余萬元。具體按逃費類型分析如下。對大車小標(biāo)、有入無出（闖關(guān)、跟車）、屏蔽卡簽入省、屏蔽卡簽出省、跑長買短（U/J行駛）、CPC 自倒卡、CPC 入 OBU 出等7種逃費類型進(jìn)行分析，各類型對應(yīng)涉及行程數(shù)、涉及金額及確認(rèn)逃費金額如表3所示，疑似逃費涉及金額占比如圖6所示，確認(rèn)逃費金額占比如圖7所示。

分析可得，有入無出（闖關(guān)、跟車）、大車小標(biāo)（丟軸）、屏蔽卡簽出省和跑長買短（U/J行駛）等4種逃費類型分別占據(jù)涉及行程數(shù)的96.87%、疑似損失金額的95.9%，是稽核系統(tǒng)需加大核查力度的逃費類型，特別是屏蔽卡簽逃費車次占為11%，逃費金額占比卻達(dá)25%，以全網(wǎng)聯(lián)網(wǎng)收費運行模式下出現(xiàn)的新型逃費類型，需要從技術(shù)、管理等多方面加強管理。有入無出（闖關(guān)、跟車）和跑長買短（U/J行駛）2類逃費類型確認(rèn)逃費金額占比有所下降，直接原因是稽核模型準(zhǔn)確率不高。下一步應(yīng)持續(xù)優(yōu)化迭代這2類模型，盡可能提高其準(zhǔn)確率，從而不斷提高可追繳比例。

四、結(jié)束語

本文針對ETC識讀率低、牌識流水與抓拍率低、假冒減免車輛、套牌、路徑作弊等收費問題，搭建了AI稽核系統(tǒng)平臺，實現(xiàn)了多源異構(gòu)數(shù)據(jù)的采集、存儲、處理與分析。在深度融合ETC門架、收費站等流水和圖像信息的基礎(chǔ)上，提出了多流水融合路徑擬合方法真實還原了通行過程車輛信息，為偷逃漏通行費稽核提供了完整證據(jù)鏈。同時，深度分析了所轄區(qū)域2020年5月至2021年12月間數(shù)據(jù)，結(jié)果表明，AI稽核系統(tǒng)模型準(zhǔn)確率較高，可有效防范和遏制偷逃漏通行費行為，提升稽核追繳成功率。

參考文獻(xiàn)

[1] 王莫凡,吳烈陽. 取消高速公路省界收費站后稽查方案探討[J]. 中國交通信息化,2020(12).

[2] 李銀珍.取消高速公路省界收費站給社會經(jīng)濟帶來的積極影響運用[J].內(nèi)蒙古煤炭經(jīng)濟,2020(19).

[3] 朱彥蓉. 取消省界收費站背景下收費稽查平臺研究與設(shè)計[J].西部交通科技,2020(5).

[4] 譚峰,李密,曾春江,等. 基于中臺技術(shù)的取消高速公路省界收費站系統(tǒng)研究[J].中國交通信息化，2021(S1).

[5] 劉春成,吳博,倪悝,等. 基于AI的收費稽核研究與實踐[J]. 中國交通信息化,2021(S1).

[6] 王虹. 從人工到大數(shù)據(jù)+AI：“一張網(wǎng)”稽核加速中[J]. 中國交通信息化,2020(11).

[7] 楊曉寒,彭亞榮. 面向ETC自由流的收費管理探討[J]. 中國交通信息化,2020(9).

[8] 楊寶靜. 取消高速公路省界收費站后的運營變化及管理措施[J]. 中國交通信息化,2020(1).

（原文刊載于2022年第7期《中國交通信息化》）

溫馨提示：文章轉(zhuǎn)自網(wǎng)絡(luò)，版權(quán)歸原作者，如涉及版權(quán)，請聯(lián)系。