[go: up one dir, main page]

CN114036198A - 基于路径算法的高速稽核系统 - Google Patents

基于路径算法的高速稽核系统 Download PDF

Info

Publication number
CN114036198A
CN114036198A CN202111282768.9A CN202111282768A CN114036198A CN 114036198 A CN114036198 A CN 114036198A CN 202111282768 A CN202111282768 A CN 202111282768A CN 114036198 A CN114036198 A CN 114036198A
Authority
CN
China
Prior art keywords
portal
model
data
flow
pipelining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111282768.9A
Other languages
English (en)
Other versions
CN114036198B (zh
Inventor
张百里
陈军
李宗桓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Traffic Control Information Industry Co ltd
Original Assignee
Anhui Traffic Control Information Industry Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Traffic Control Information Industry Co ltd filed Critical Anhui Traffic Control Information Industry Co ltd
Priority to CN202111282768.9A priority Critical patent/CN114036198B/zh
Publication of CN114036198A publication Critical patent/CN114036198A/zh
Application granted granted Critical
Publication of CN114036198B publication Critical patent/CN114036198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Technology Law (AREA)
  • Traffic Control Systems (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

本发明公开了基于路径算法的高速稽核系统，涉及高速稽核技术领域，解决了现有方案没有考虑到跨省通行的场景，实现成本和操作复杂度高，导致无法精准高效识别跑长买短车辆的技术问题；包括处理器，以及与处理器通信连接的数据采集模块；本发明通过将门架交易流水和门架牌识别流水整合生成门架流水模型，并根据门架流水模型筛选省界门架流水模型和边界门架流水模型；有效地合并了高速跨省通行数据，提高了跑长买短的识别效率和精准率；本发明将人工校验和人工智能模型相结合，结合对业务使用中持续的验证数据反馈，不断优化模型，能够提高识别精度，同时提升稽核效率。

Description

基于路径算法的高速稽核系统
技术领域
本发明属于高速稽核技术领域，具体是基于路径算法的高速稽核系统。
背景技术
高速稽核作为高速公路联网收费业务中的重要业务环节，是维护经营主体的合法利益，以及保障收费业务公正性的重要手段。
依托门架技术可精确拟合通行车辆在高速公路的行驶路径，从而实现按实际行驶路径收取通行费；但实际收费过程中发现，跑长买短仍是导致通行费流失的最顽固原因；现有方案筛选跑长买短数据的方法是通过对门架交易记录、牌识流水以及入、出口流水按规则进行关联过滤，根据跑长买短所体现出的外在数据规则，就能找出相应的数据。
现有方案没有考虑到跨省通行的场景，实现成本和操作复杂度都比较高；因此，亟需一种操作简单，成本低，且能够精准识别跑长买短的高度稽核系统。
发明内容
本发明提供了基于路径算法的高速稽核系统，用于解决现有方案没有考虑到跨省通行的场景，实现成本和操作复杂度高，导致无法精准高效识别跑长买短车辆的技术问题，本发明通过合并门架交易和牌识别数据，去除重复的边界流水数据，以及通过人工智能模型辅助稽查解决了上述问题。
本发明的目的可以通过以下技术方案实现：基于路径算法的高速稽核系统，包括处理器，以及与处理器通信连接的数据采集模块；
通过所述数据采集模块采集稽核支撑数据，并对稽核支撑数据进行数据预处理；其中，所述稽核支撑数据包括基础数据和流水数据；
将门架交易流水和门架牌识别流水整合生成门架流水模型，并根据门架流水模型筛选省界门架流水模型和边界门架流水模型；
将车道入口流水、入省界门架交易流水、入边界门架交易流水整合生成入口流水模型；
将车道出口流水关联入口流水模型，从省界门架流水模型和门架牌识别流水中抽取出口交易，合并后生成出口流水模型；
以所述出口流水模型为基线进行遍历，对查询出的门架牌识按照时间排序去重后，生成牌识路径收费单元组合；
以所述出口流水模型为基线进行遍历，对查询出的门架交易按照时间排序去重后，生成交易路径收费单元组合，并根据交易路径收费单元组合获取高频路径；
对交易路径收费单元组合与牌识路径收费单元组合进行计算相似率并获取稽查收费额；根据相似率阈值和稽查收费额计算稽查嫌疑度。
优选的，通过将所述门架流水模型和门架规范性定义数据相关联，筛选出省界门架流水模型和边界门架流水模型。
优选的，所述基础数据包括收费站、门架的规范性定义数据和收费单元规范性定义数据；所述流水数据包括车道入口流水、车道出口流水、门架交易流水和门架牌识别流水。
优选的，所述稽查嫌疑度通过人工智能模型获取；其中，人工智能模型包括神经网络模型和决策树模型。
优选的，抽取所述流水数据中的车辆信息数据，并将车辆信息数据整合写入车型库；车型库对出现的每个车牌对应的车辆信息数据进行计数。
与现有技术相比，本发明的有益效果是：
1、本发明通过将门架交易流水和门架牌识别流水整合生成门架流水模型，并根据门架流水模型筛选省界门架流水模型和边界门架流水模型；有效地合并了高速跨省通行数据，提高了跑长买短的识别效率和精准率。
2、本发明将人工校验和人工智能模型相结合，结合对业务使用中持续的验证数据反馈，不断优化模型，能够提高识别精度，同时提升稽核效率。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的工作流程示意图。
具体实施方式
下面将结合实施例对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文另有明确指示，否则单数形式的“一”、“一个”和“该”也包括复数形式；而且，尽管属于“第一”、“第二”等可以在本文中用于描述各种元件，但是元件不受这些术语的限制，这些术语仅用于区分一个元素和另一个元素。
请参阅图1，对于跑长买短来说，很多时候没有考虑到跨省通行的场景，一般是选取本省收费站入-本省收费站出的省内通行车辆行程作为筛查场景，这种就把无论金额还是数量，相当比例的跨省通行逃费行为排除在外。此外，虽然取消了省界收费站，但各省的高速公路经营主体却未必只有一家，在只有单一路网数据的情况下，如何稽查跨经营主体路网通行也是一个棘手的问题；针对上述问题，本发明提供了一种基于路径算法的高速稽核系统，包括处理器和与处理器通信和/或电气连接的数据采集模块；处理器用于完成数据的处理，数据采集模块用于完成数据的采集。
本发明实施例中，通过数据采集模块采集稽核支撑数据，并对稽核支撑数据进行数据预处理；稽核支撑数据包括基础数据和流水数据。
在一个具体的实施例中，基础数据包括收费站、门架的规范性定义数据和收费单元规范性定义数据；收费站、门架的规范性定义数据如名称、编码、 Hex码等数据；收费单元规范性定义数据包含但不限于名称、Hex码、省界标识(区分入和出省界)。
在一个具体的实施例中，流水数据包括车道入口流水、车道出口流水、门架交易流水和门架牌识别流水；车道入口流水，包括入口站Hex、入口时间、通行标识、车牌、车型、车种等数据；车道出口流水，包括但不限于出口站Hex、出口时间、通行标识、车牌、车型、车种、入口站Hex、入口时间、入口车牌、入口车型、入口车种、应收费额、实收费额、通行介质类型、计费类型等数据；门架交易流水，包括但不限于门架Hex码、通行时间、通行标识、车牌、车型、车种等数据；门架牌识别流水，包括但不限于门架Hex 码、通行时间、车牌等数据。
值得注意的是，本实施例中整理路网单元所辖路段范围，将位于范围边界的门架作为边界门架，本方案认为省界门架、和边界门架可以等同于跨省、跨界通行场景中的收费站。
本发明实施例中，将门架交易流水和门架牌识别流水整合生成门架流水模型，并根据门架流水模型筛选省界门架流水模型和边界门架流水模型；鉴于门架交易和门架流水没有唯一的绑定关系，两者又都有可能存在数据重复和数据丢失的情况，本申请从时间间隔入手，合并两者时间间隔在阈值内的数据视为同一次门架通行，并保留两者未匹配的数据，尽可能还原车辆的通行轨迹。
在一个具体的实施例中，将门架流水模型与门架规范性定义数据关联，筛选出省界门架流水模型和边界门架流水模型，由于路网中心所辖区域可能是凹多边形，这里通过判断路径中是否包含连续的出边界门架和入边界门架以及两者的相对位置，来合并一次通行中实际包含若干次跨界通行的场景。该步骤的结果是省界、边界门架数据。
本发明实施例中，将车道入口流水、入省界门架交易流水、入边界门架交易流水整合生成入口流水模型。
本发明实施例中，将车道出口流水关联入口流水模型，从省界门架流水模型和门架牌识别流水中抽取出口交易，合并后生成出口流水模型；包含两个步骤：1)车道出口流水关联入口流水模型，补充对应的入口信息；2)从出省界门架交易和出省界门架牌识中抽取出口交易，注意需要进行合并，即将门架交易关联的门架牌识视为一次交易。
对于以出省界门架数据生成的出口交易需要进行入口数据补充，补充原则是先通过通行标识进行强关联，关联到的进行入口数据补充；未关联的采用“车牌+就近时间”匹配入口/出口，通过入口站匹配成功的补充全部入口数据，其它方式匹配成功的仅补充入口Hex、入口类型和入口时间。
本发明实施例中，以出口流水模型为基线进行遍历，对查询出的门架牌识按照时间排序去重后，生成牌识路径收费单元组合。
在一个具体的实施例中，以生成的出口流水模型为基线进行遍历，补充最近通行截止时间，补充原则是采用“车牌+就近时间”匹配出口/省界站牌识的时间，对遍历的交易按通行标识进行门架交易记录查询,对查询出的门架牌识按时间排序去重后，形成牌识路径收费单元组合；在此过程中可根据门架编码识别出一车多卡，对交易路径收费单元组合与牌识路径收费单元组合进行相似率计算。
本发明实施例中，以出口流水模型为基线进行遍历，对查询出的门架交易按照时间排序去重后，生成交易路径收费单元组合，并根据交易路径收费单元组合获取高频路径。
在一个具体的实施例中，以生成的出口流水模型为基线进行遍历，如果数据基数大，仅遍历具有通行标识的交易即可；对于没有通行标识的出口交易，可采用车牌与交易按起止时间进行门架牌识记录查询；对查询出的门架交易按时间排序去重后，形成交易路径收费单元组合；对交易路径收费单元组合进行MD5摘要计算，并形成以MD5摘要-收费单元组合的键值对；进一步形成以“入口+出口”为Key，MD5摘要为Value的“一对多”映射关系；遍历上一步过程数据，进行聚合统计，算出每个收费单元组合(MD5摘要)的出现次数；再次遍历上一步过程数据，计算出高频路径(MD5摘要)。
本发明实施例中，对交易路径收费单元组合与牌识路径收费单元组合进行计算相似率并获取稽查收费额；根据相似率阈值和稽查收费额计算稽查嫌疑度。
在一个具体的实施例中，将相似率阈值标记为XSY，实际相似率标记为 SCL，将稽核收费额标记为JSE；通过公式JXD＝ɑ×|XSY-SCL|×|JSE-SEY|获取稽查嫌疑度JXD；其中，SEY为收费额阈值，ɑ为比例系数，且ɑ为大于0 的实数；可以理解的是，实际相似率与相似率差值越大和/或稽核收费额与收费额阈值差值越大，稽核嫌疑度越高。
在一个具体的实施例中，对交易路径收费单元组合与牌识路径收费单元组合进行相似率计算，门架交易和牌识重合路径部分，再与高频路径进行相似率计算，重合路径部分进行稽查应收费额计算，重合路径部分进行U/J转判断，补充一次通行的数据，在一次通行记录基础上根据设定的相似率阈值和稽查收费额过滤出稽查嫌疑记录，计算出稽查嫌疑度。
在一些可选的实施例中，通过路径拟合展示功能，辅助人工判断门架交易路径、门架牌识路径的合理性。
在一些可选的实施例中，通过部级、省级平台确认车辆逃费行为，提供数据反馈，调整参数阈值设置，并作为机器学习的数据集；训练决策树和神经网络机器学习模型，实现智能逃费判别。
在一些可选的实施例中，抽取流水数据中的车牌、车型、车种、轴数、核载人数等车辆信息数据，并按一定的逻辑写入车型库，车型库记录流水中出现的每辆车牌对应的车辆信息数据并分别进行计数，每当遇到信息冲突的时候，需要通过频次逻辑来判断数据是否置信；车型库中每辆车的最高置信数据作为稽查车型，参与路径稽查金额计算。
在一些可选的实施例中，通过门架交易数据和门架牌识数据发现一车多卡、屏蔽OBU等行为，通过出入口轴数判型不一致发现车型不符(大车小标) 的行为。
上述公式中的数据均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本申请的工作原理：
通过数据采集模块采集稽核支撑数据，并对稽核支撑数据进行数据预处理；将门架交易流水和门架牌识别流水整合生成门架流水模型，并根据门架流水模型筛选省界门架流水模型和边界门架流水模型。
将车道入口流水、入省界门架交易流水、入边界门架交易流水整合生成入口流水模型；将车道出口流水关联入口流水模型，从省界门架流水模型和门架牌识别流水中抽取出口交易，合并后生成出口流水模型。
以所述出口流水模型为基线进行遍历，对查询出的门架牌识按照时间排序去重后，生成牌识路径收费单元组合；以所述出口流水模型为基线进行遍历，对查询出的门架交易按照时间排序去重后，生成交易路径收费单元组合，并根据交易路径收费单元组合获取高频路径。
对交易路径收费单元组合与牌识路径收费单元组合进行计算相似率并获取稽查收费额；根据相似率阈值和稽查收费额计算稽查嫌疑度。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本申请结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离申请的结构或者超越本权利要求书所定义的范围，均应属于本申请的保护范围。

Claims (5)

1.基于路径算法的高速稽核系统，包括处理器，以及与处理器通信连接的数据采集模块，其特征在于，包括：
通过所述数据采集模块采集稽核支撑数据，并对稽核支撑数据进行数据预处理；其中，所述稽核支撑数据包括基础数据和流水数据；
将门架交易流水和门架牌识别流水整合生成门架流水模型，并根据门架流水模型筛选省界门架流水模型和边界门架流水模型；
将车道入口流水、入省界门架交易流水、入边界门架交易流水整合生成入口流水模型；
将车道出口流水关联入口流水模型，从省界门架流水模型和门架牌识别流水中抽取出口交易，合并后生成出口流水模型；
以所述出口流水模型为基线进行遍历，对查询出的门架牌识按照时间排序去重后，生成牌识路径收费单元组合；
以所述出口流水模型为基线进行遍历，对查询出的门架交易按照时间排序去重后，生成交易路径收费单元组合，并根据交易路径收费单元组合获取高频路径；
对交易路径收费单元组合与牌识路径收费单元组合进行计算相似率并获取稽查收费额；根据相似率阈值和稽查收费额计算稽查嫌疑度。
2.根据权利要求1所述的基于路径算法的高速稽核系统，其特征在于，通过将所述门架流水模型和门架规范性定义数据相关联，筛选出省界门架流水模型和边界门架流水模型。
3.根据权利要求1所述的基于路径算法的高速稽核系统，其特征在于，所述基础数据包括收费站、门架的规范性定义数据和收费单元规范性定义数据；所述流水数据包括车道入口流水、车道出口流水、门架交易流水和门架牌识别流水。
4.根据权利要求1所述的基于路径算法的高速稽核系统，其特征在于，所述稽查嫌疑度通过人工智能模型获取；其中，人工智能模型包括神经网络模型和决策树模型。
5.根据权利要求1所述的基于路径算法的高速稽核系统，其特征在于，抽取所述流水数据中的车辆信息数据，并将车辆信息数据整合写入车型库；车型库对出现的每个车牌对应的车辆信息数据进行计数。
CN202111282768.9A 2021-11-01 2021-11-01 基于路径算法的高速稽核系统 Active CN114036198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111282768.9A CN114036198B (zh) 2021-11-01 2021-11-01 基于路径算法的高速稽核系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111282768.9A CN114036198B (zh) 2021-11-01 2021-11-01 基于路径算法的高速稽核系统

Publications (2)

Publication Number Publication Date
CN114036198A true CN114036198A (zh) 2022-02-11
CN114036198B CN114036198B (zh) 2025-03-21

Family

ID=80142467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111282768.9A Active CN114036198B (zh) 2021-11-01 2021-11-01 基于路径算法的高速稽核系统

Country Status (1)

Country Link
CN (1) CN114036198B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114973681A (zh) * 2022-07-28 2022-08-30 山东高速信息集团有限公司 一种在途车辆感知方法及设备
CN115115456A (zh) * 2022-08-29 2022-09-27 太极计算机股份有限公司 高速公路门架交易的汇总方法和装置
CN115599836A (zh) * 2022-09-30 2023-01-13 广州天长信息技术有限公司（Cn） 一种基于时间序列高速公路跨省逃费车辆关联挖掘方法
CN116258488A (zh) * 2023-03-17 2023-06-13 中远海运科技股份有限公司 一种精确还原车辆实际通行轨迹的数据预处理方法和系统
CN117690196A (zh) * 2022-09-09 2024-03-12 北京网路智联科技有限公司 一种基于路径拟合系统的高速公路高效计费方法
CN118378122A (zh) * 2024-03-26 2024-07-23 安徽交控信息产业有限公司 一种车型识别设备的部署方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009140061A (ja) * 2007-12-04 2009-06-25 Denso Corp 車両側ｅｔｃ対応システム及び携帯電話機
KR20090077114A (ko) * 2008-01-10 2009-07-15 한국도로공사 유료도로의 통행료 면탈 방지시스템 및 그 제어방법
JP2012043087A (ja) * 2010-08-17 2012-03-01 Toshiba Corp 自動料金収受システムおよびその料金監査プログラム
CN112802215A (zh) * 2020-12-31 2021-05-14 千方捷通科技股份有限公司 高速公路通行费用的稽核方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009140061A (ja) * 2007-12-04 2009-06-25 Denso Corp 車両側ｅｔｃ対応システム及び携帯電話機
KR20090077114A (ko) * 2008-01-10 2009-07-15 한국도로공사 유료도로의 통행료 면탈 방지시스템 및 그 제어방법
JP2012043087A (ja) * 2010-08-17 2012-03-01 Toshiba Corp 自動料金収受システムおよびその料金監査プログラム
CN112802215A (zh) * 2020-12-31 2021-05-14 千方捷通科技股份有限公司 高速公路通行费用的稽核方法、装置、设备及存储介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114973681A (zh) * 2022-07-28 2022-08-30 山东高速信息集团有限公司 一种在途车辆感知方法及设备
CN115115456A (zh) * 2022-08-29 2022-09-27 太极计算机股份有限公司 高速公路门架交易的汇总方法和装置
CN117690196A (zh) * 2022-09-09 2024-03-12 北京网路智联科技有限公司 一种基于路径拟合系统的高速公路高效计费方法
CN115599836A (zh) * 2022-09-30 2023-01-13 广州天长信息技术有限公司（Cn） 一种基于时间序列高速公路跨省逃费车辆关联挖掘方法
CN116258488A (zh) * 2023-03-17 2023-06-13 中远海运科技股份有限公司 一种精确还原车辆实际通行轨迹的数据预处理方法和系统
CN116258488B (zh) * 2023-03-17 2024-01-26 中远海运科技股份有限公司 一种精确还原车辆实际通行轨迹的数据预处理方法和系统
CN118378122A (zh) * 2024-03-26 2024-07-23 安徽交控信息产业有限公司 一种车型识别设备的部署方法及系统

Also Published As

Publication number Publication date
CN114036198B (zh) 2025-03-21

Similar Documents

Publication Publication Date Title
CN114036198A (zh) 基于路径算法的高速稽核系统
CN102097002B (zh) 一种基于ic卡数据获取公交站点od的方法及系统
CN102081846B (zh) 基于高速公路收费数据轨迹匹配的交通状态识别方法
CN111462488A (zh) 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法
CN115691148B (zh) 一种基于高速公路的智能收费辅助方法、设备及介质
CN109191861B (zh) 一种基于视频检测器的高速公路逃费车辆异常行为检测系统及方法
CN106846801A (zh) 一种基于车辆轨迹的区域徘徊异常行为检测方法
CN113570854A (zh) 一种用于高速公路运营管理的智能稽核控制系统
CN109191605B (zh) 一种考虑收费路径的高速公路计费费率准确性评测方法
CN103150900A (zh) 一种基于视频的交通拥堵事件自动检测方法
CN112967410B (zh) 一种基于最长公共子序列的偷逃通行费车辆识别方法
CN112767686B (zh) 一种基于多源数据融合的公路网汽车排放估算方法
CN102663065B (zh) 一种广告位异常数据识别和筛选方法
CN107329977A (zh) 一种基于概率分布的假牌车二次筛选方法
CN106651732A (zh) 一种高速公路异车换卡逃费车辆筛查方法及系统
CN116824520A (zh) 基于ReID和图卷积网络的车辆轨迹预测方法及系统
CN113487877A (zh) 一种道路车辆违规停车监控方法
CN108021361A (zh) 一种高速公路倒卡逃费车辆筛查方法及装置
CN114780591B (zh) 一种检测行程车牌识别错误的计算方法和系统
CN110021161A (zh) 一种交通流向的预测方法及系统
CN111311905A (zh) 一种基于粒子群优化小波神经网络的高速公路行程时间预测方法
CN114036146A (zh) 一种高速稽核业务数据仓库中的etl处理方法及装置
CN114023085A (zh) 一种基于卡口检测数据的交叉口信号配时参数推断方法
CN114239680A (zh) 基于机器学习算法的新能源网约车识别方法及系统
Yuan et al. A gray prediction method for economic loss of road traffic accidents based on Logistic model.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant