基于ETC多源数据的逃费智能稽核方法及系统与流程

本发明涉及etc数据稽核，特别是基于etc多源数据的逃费智能稽核方法及系统。

背景技术：

1、随着全国高速公路省界收费站的取消，etc收费模式由原来的“单省收费”转向“全国一张网”收费方式，收费业务数据量急剧增加，跨省逃费车辆与单次逃费金额也随之增多。与此同时，etc逃费手段不断升级，从早期的跟车闯关、倒卡逃费等简单方式，逐步演变为大车小标、货车客标、屏蔽obu信号、一车多介质交替使用、克隆电子标签等高度隐蔽的技术型逃费行为。据统计，仅跟车闯关一项每年造成的通行费流失即达20亿元至30亿元。逃费手段的隐蔽化、技术化和团伙化趋势，给高速公路运营管理单位的通行费稽核工作带来了严峻挑战。

2、目前，现有etc逃费稽核技术主要存在以下不足：

3、1、数据采集来源单一，多源数据未能有效融合。现有稽核系统多依赖单一的etc交易流水数据或收费站出入口数据进行逃费分析，未能将etc门架交易数据、收费站出入流水数据、车牌抓拍图像数据、车辆特征数据等多源异构数据进行有效整合与时空关联。不同数据源之间缺乏统一的关联主键和融合机制，导致大量有价值的车辆通行信息未能被充分利用。交易流水和车辆信息等关键取证数据未留存或融合，造成追讨困难。

4、2、逃费识别手段单一，智能化水平低。现有稽核系统主要依赖人工筛查和简单的规则比对，面对海量的门架交易数据，筛查效率低下，无法及时、全面、准确地筛选出疑似逃费车辆。传统稽核手段对新型逃费行为识别不足，各系统间协调困难导致数据感知能力弱。

5、3、逃费证据链难以自动形成和固定。现有稽核系统在发现嫌疑车辆后，往往需要稽核人员人工调取门架流水、监控视频、图像等多维证据，证据采集、整理和归档过程耗时费力，且难以形成具有时序关联关系和完整性保障的标准化电子证据链。证据分散存储于不同系统，缺乏统一的证据封装和固化机制，影响了稽核结果的公信力和法律效力。

6、4、稽核识别模型静态固化，无法动态迭代更新。现有稽核系统的识别规则和模型一旦部署上线后难以动态调整优化，无法根据实际稽核反馈的正例样本和负例样本进行持续学习和模型迭代。随着逃费手段的不断翻新，静态模型对新出现的逃费模式识别能力逐渐下降。

7、5、稽核任务管理缺乏自动化调度机制。现有稽核工作流程中，从嫌疑车辆发现到稽核任务生成、派发、处理、反馈的全链条缺乏自动化的任务调度与管理机制，稽核工单发起存在争抢现象，稽核效率低下且过程难以追溯。

技术实现思路

1、本发明的目的在于克服现有技术的缺点，提供基于etc多源数据的逃费智能稽核方法及系统，通过多源数据融合、智能识别模型、自动化证据链生成、模型增量更新及稽核任务自动调度等技术手段，实现etc逃费行为的高效、精准、智能化稽核。

2、本发明的目的通过以下技术方案来实现：基于etc多源数据的逃费智能稽核系统，包括：

3、etc门架数据采集终端、部署于高速公路沿线门架侧，用于实时采集车辆通行交易数据、obu设备数据及rsu交易日志，并对采集的数据进行初步校验与格式标准化处理；

4、收费站流水采集接口机、部署于收费站机房侧，用于从收费站车道系统采集车辆出入流水数据、收费金额数据及车道抓拍图像数据，并对采集的数据进行时间戳对齐与完整性校验；

5、多源数据融合处理器、分别与所述etc门架数据采集终端和所述收费站流水采集接口机通信连接，用于接收上传的数据，通过时空关联规则对不同来源、不同格式的车辆通行数据进行多维度融合，生成具有统一数据结构的车辆通行轨迹记录；

6、车辆特征库存储服务器、用于存储和管理车辆基础档案信息、车型参数、历史通行记录及历史逃费黑名单，并为逃费识别提供车辆身份比对基准数据；

7、逃费行为识别计算板卡、分别与所述多源数据融合处理器和所述车辆特征库存储服务器数据连接，内置固化有基于梯度提升算法构建的多维度逃费识别模型的fpga加速单元，用于根据所述车辆通行轨迹记录和所述基准数据提取车辆身份特征、通行路径特征、计费特征及行为模式特征，计算逃费嫌疑评分并输出嫌疑车辆清单；

8、稽核任务调度控制器、与所述逃费行为识别计算板卡连接，内置任务队列缓存器，用于根据所述嫌疑车辆清单自动生成稽核任务，按照预设的优先级规则对稽核任务进行排序与派发，并跟踪稽核任务的处理状态；

9、证据链封装安全存储单元、分别与所述多源数据融合处理器和所述稽核任务调度控制器连接，用于在判定车辆存在逃费嫌疑时，自动关联该车辆对应的门架交易流水、收费站出入流水、车牌抓拍图像及轨迹还原数据，打包生成具有时序关联关系和数字摘要的完整电子证据链，并将所述电子证据链存储于内部防篡改存储区；

10、稽核结果输出接口网关、与所述证据链封装安全存储单元连接，用于将所述电子证据链和所述逃费嫌疑评分按照预设格式封装为稽核报告，并提供报告推送、下载及对外api查询接口；

11、模型增量更新训练模块，与所述逃费行为识别计算板卡连接，用于根据稽核结果反馈的正例样本和负例样本，通过增量学习方式对所述多维度逃费识别模型进行动态迭代更新。

12、由上述任一方案优选的是，所述多源数据融合处理器包括：

13、数据清洗子处理器、用于对etc门架交易数据执行异常值剔除和缺失值补全操作；

14、时空关联子处理器、用于以车辆通行标识为关联主键，将门架交易数据、收费站流水数据及抓拍图像数据按时间序列和空间位置进行关联映射；

15、轨迹还原子处理器、用于根据关联映射后的数据生成车辆的完整通行路径轨迹；

16、所述逃费行为识别计算板卡内置的权重分配逻辑通过硬件描述语言固化于fpga单元中，所述权重分配逻辑按照权重分配公式对所述车辆身份特征、通行路径特征、计费特征及行为模式特征进行加权融合，其中所述权重分配公式基于历史稽核数据中各类特征与逃费行为之间的相关系数动态调整各类特征的权重值。

17、由上述任一方案优选的是，所述证据链封装安全存储单元包括：

18、证据采集接口子板、用于从所述etc门架数据采集终端、所述收费站流水采集接口机和外部图像采集设备中提取与嫌疑车辆相关的原始数据；

19、证据封装加密子板、用于按照预设的证据链格式规范将原始数据进行结构化封装，并为每条证据添加独立的数字摘要和时间戳；

20、防篡改存储子板、采用一次写入多次读取的存储介质，用于将封装后的电子证据链进行固化存储并建立证据索引；

21、所述稽核任务调度控制器包括：

22、任务生成触发器、用于根据嫌疑车辆的逃费嫌疑评分自动触发稽核任务创建；

23、优先级计算寄存器、用于根据嫌疑车辆的逃费嫌疑评分值、历史逃费记录次数及逃费金额综合计算任务优先级并以二进制权值形式锁存；

24、状态追踪缓存器、用于实时记录稽核任务从创建、派发、处理到结案的全生命周期状态。

25、由上述任一方案优选的是，所述模型增量更新训练模块包括：

26、样本采集接口、用于获取经人工稽核确认的逃费车辆数据作为正例样本、经人工稽核排除嫌疑的车辆数据作为负例样本；

27、增量训练子板、用于将所述正例样本和负例样本输入当前模型进行增量训练并调整模型参数；a/b对比验证子板、用于在增量训练完成后对更新前后的模型进行a/b对比验证，仅在验证通过后向所述逃费行为识别计算板卡发送模型加载更新指令；

28、所述系统还包括系统管理配置终端，所述系统管理配置终端与所述稽核任务调度控制器及所述逃费行为识别计算板卡连接，内置规则配置界面和groovy脚本在线编辑引擎，用于供管理员配置逃费特征规则、逃费嫌疑评分阈值、稽核任务自动生成条件及证据链封装模板，所述规则配置界面通过脚本编辑引擎实现自定义稽核逻辑的热插拔扩展。

29、由上述任一方案优选的是，所述etc门架数据采集终端内置有边缘计算协处理器，所述边缘计算协处理器用于在门架本地对采集的车辆通行交易数据执行实时异常检测，当检测到交易数据异常时立即触发本地预警信号并将异常数据通过独立的高优先级数据传输通道优先上传至所述多源数据融合处理器；

30、所述车辆特征库存储服务器设有数据同步接口，所述数据同步接口与外部车辆管理平台通过物理隔离的数据交换前置机连接，用于定期获取车辆登记信息变更、车辆过户信息及车辆报废信息，并基于同步数据对车辆特征库进行自动更新。

31、基于etc多源数据的逃费智能稽核方法，包括以下步骤：

32、s1：通过部署于高速公路沿线的etc门架数据采集终端实时采集车辆通行交易数据和obu设备数据，并通过收费站流水采集接口机采集车辆出入流水数据及车道抓拍图像数据；

33、s2：由多源数据融合处理器对采集的多源车辆数据进行预处理，包括异常值剔除、缺失值补全及数据格式标准化，生成统一格式的标准化数据；

34、s3：由所述多源数据融合处理器以车辆通行标识为关联主键，将etc门架交易数据、收费站流水数据及抓拍图像数据按时间序列和空间位置进行时空关联融合，生成具有统一数据结构的车辆通行轨迹记录；

35、s4：由逃费行为识别计算板卡从所述车辆通行轨迹记录中提取车辆身份特征、通行路径特征、计费特征及行为模式特征，并通过固化于板卡内部的权重分配逻辑对各类特征进行加权融合，生成用于逃费识别的特征向量；

36、s5：由所述逃费行为识别计算板卡将所述特征向量输入内置的基于梯度提升算法构建的多维度逃费识别模型，计算目标车辆的逃费嫌疑评分，并根据预设的嫌疑阈值判定车辆是否存在逃费嫌疑，输出嫌疑车辆清单；

37、s6：由证据链封装安全存储单元对判定存在逃费嫌疑的车辆，自动关联该车辆对应的门架交易流水、收费站出入流水、车牌抓拍图像及轨迹还原数据，生成具有时序关联关系和数字摘要的完整电子证据链，并固化存储于防篡改存储区；

38、s7：由稽核任务调度控制器根据嫌疑车辆的逃费嫌疑评分、历史逃费记录次数及逃费金额综合计算稽核任务优先级，按照优先级自动生成并派发稽核任务至对应的稽核终端；

39、s8：由稽核任务调度控制器接收稽核终端返回的稽核确认结果，根据确认结果对嫌疑车辆进行标记处理，若确认逃费则纳入逃费黑名单并发起追缴流程，若排除嫌疑则更新嫌疑状态为已排除；

40、s9：由模型增量更新训练模块获取经稽核确认的逃费车辆数据作为正例样本、经稽核排除嫌疑的车辆数据作为负例样本，通过增量学习方式对所述多维度逃费识别模型进行动态迭代更新；

41、s10：由稽核结果输出接口网关将所述电子证据链和逃费嫌疑评分按照预设格式封装为标准化稽核报告，并通过消息推送、邮件发送及api接口查询方式输出稽核结果。

42、由上述任一方案优选的是，所述步骤s3中的时空关联融合包括：

43、1）以车辆通行标识为关联主键，按照时间戳将车辆经过的各etc门架按时间先后顺序排列形成门架序列；

44、2）根据门架序列与高速公路路网拓扑结构进行路径匹配，还原车辆的完整行驶路径；

45、3）将收费站出入流水数据中的入出口信息与还原的行驶路径进行交叉验证，识别路径不一致的异常通行行为；

46、所述步骤s4中的权重分配公式为：，其中为第类特征的权重值，为基于历史稽核数据统计的第类特征与逃费行为之间的相关系数，为第类特征在当前时间窗口内的数据置信度，为第类特征对应数据源的可靠度系数。

47、由上述任一方案优选的是，所述步骤s6中生成的电子证据链包括：按时间顺序排列的嫌疑车辆通行门架序列及对应交易流水、入出口收费站流水记录、车牌抓拍图像及识别结果、车辆通行轨迹还原图、计费异常分析说明，所述电子证据链中的每一条证据均添加独立的数字摘要和时间戳以保障证据的完整性和不可篡改性；

48、所述步骤s1中，由部署于etc门架侧的边缘计算协处理器对采集的车辆通行交易数据执行实时异常检测，当检测到交易数据异常时立即在门架本地触发预警并将异常数据通过独立高优先级通道优先上传至云端进行逃费识别处理。

49、由上述任一方案优选的是，所述步骤s9中的增量学习方式包括：

50、1）将正例样本和负例样本输入当前的多维度逃费识别模型进行增量训练并调整模型参数；

51、2）在增量训练完成后，使用保留的验证数据集对更新前后的模型进行a/b对比测试；

52、3）当更新后模型的逃费识别准确率和召回率均不低于更新前模型时，将更新后的模型部署上线替换当前模型；

53、所述步骤s5中预设的嫌疑阈值采用动态阈值策略，根据当前稽核任务队列长度、历史稽核准确率及逃费行为季节性波动因素自动调整嫌疑阈值的取值，以平衡稽核查全率与查准率。

54、由上述任一方案优选的是，还包括步骤s11：由系统管理配置终端对稽核全过程中产生的数据操作行为、模型调用记录、稽核任务操作日志进行全链路追踪记录，并通过集中式日志存储服务器进行固化存储和检索，以支持操作审计和稽核过程回溯；

55、所述步骤s8中的追缴流程包括：自动生成包含逃费金额、逃费时段、逃费路径及证据链索引的追缴通知书；将追缴通知书通过消息推送网关推送至车辆所属用户终端；在预设追缴期限内持续跟踪追缴状态，逾期未缴则自动将车辆信息同步至高速公路入口黑名单系统。

56、本发明具有以下优点：

57、1、该基于etc多源数据的逃费智能稽核方法及系统，通过多源数据融合处理器将etc门架数据采集终端采集的门架交易数据和收费站流水采集接口机采集的出入流水数据、车道抓拍图像数据按时空关联规则进行深度融合，生成具有统一数据结构的车辆通行轨迹记录，解决了现有技术中数据采集来源单一、多源数据无法有效融合的问题，以车辆通行标识为唯一关联主键，将原本分散存储于etc门架系统、收费站车道系统和图像采集系统中的异构数据通过时间戳对齐和空间位置映射进行交叉关联，使得同一车辆在不同数据源中的碎片化通行信息被整合为完整的时空轨迹，从而为后续逃费识别提供了丰富的数据基础，有效避免了因单一数据源信息不完整导致的漏判和误判。

58、2、该基于etc多源数据的逃费智能稽核方法及系统，通过逃费行为识别计算板卡内置固化于fpga加速单元的梯度提升多维度逃费识别模型，结合权重分配公式对车辆身份特征、通行路径特征、计费特征及行为模式特征进行加权融合并输出逃费嫌疑评分，解决了现有技术中逃费识别手段单一、智能化水平低的问题，fpga加速单元对梯度提升算法进行硬件级并行加速计算，大幅提升了模型推理速度，使系统能够实时处理海量门架交易数据；权重分配公式基于历史稽核数据中各类特征与逃费行为之间的相关系数动态调整各类特征的权重值，实现了对各类特征重要性的动态精准量化，使模型能够自适应地区分不同特征在逃费识别中的贡献度，提高了对隐蔽型逃费行为的识别灵敏度和准确率。

59、3、该基于etc多源数据的逃费智能稽核方法及系统，通过证据链封装安全存储单元在判定车辆存在逃费嫌疑时自动关联门架交易流水、收费站出入流水、车牌抓拍图像及轨迹还原数据，打包生成具有时序关联关系和数字摘要的完整电子证据链，并存储于防篡改存储区中，解决了现有技术中逃费证据链难以自动形成和固定的问题。证据链封装安全存储单元从多源数据融合处理器中自动提取与嫌疑车辆相关的全部原始数据，按照预设格式规范对各类证据进行结构化封装并为每条证据添加独立的数字摘要和时间戳，使得任何对证据的篡改均可通过数字摘要校验被及时发现；防篡改存储区对封装后的电子证据链进行固化存储，确保证据从采集、封装到存储的全生命周期内保持完整性和不可否认性，使生成的电子证据链具备司法意义上的证据效力。

60、4、该基于etc多源数据的逃费智能稽核方法及系统，通过模型增量更新训练模块根据稽核结果反馈的正例样本和负例样本，采用增量学习方式对多维度逃费识别模型进行动态迭代更新，解决了现有技术中稽核识别模型静态固化、无法动态迭代更新的问题。经人工稽核确认的逃费车辆数据作为正例样本、经排除嫌疑的车辆数据作为负例样本包含了真实场景中最新的逃费模式信息，增量训练子板利用这些样本对当前模型进行增量训练，使模型能够在不遗忘已有知识的前提下逐步学习新的逃费行为模式，从而使模型能够随着逃费手段的翻新而同步进化，始终保持对新型逃费行为的识别能力。

61、5、该基于etc多源数据的逃费智能稽核方法及系统，通过稽核任务调度控制器根据嫌疑车辆的逃费嫌疑评分、历史逃费记录次数及逃费金额综合计算任务优先级，并按照优先级自动生成、排序和派发稽核任务，同时跟踪稽核任务的处理状态，解决了现有技术中稽核任务管理缺乏自动化调度机制的问题，稽核任务调度控制器将逃费嫌疑评分作为逃费可能性的度量、历史逃费记录次数作为车辆逃费惯性的度量、逃费金额作为危害程度的度量，三者综合后实现了任务优先级的客观量化计算；内置任务队列缓存器按照优先级对积压的稽核任务进行动态排序，确保高嫌疑、高金额、高频次的逃费案件优先得到处理，显著提升了稽核资源的利用效率和重点案件的响应速度。

62、6、该基于etc多源数据的逃费智能稽核方法及系统，通过etc门架数据采集终端内置边缘计算协处理器在门架本地对采集的车辆通行交易数据执行实时异常检测，并将异常数据通过独立的高优先级数据传输通道优先上传至多源数据融合处理器进行逃费识别处理，大幅降低了数据传输延迟和云端计算压力，提升了异常事件的响应时效性；通过车辆特征库存储服务器设有数据同步接口与外部车辆管理平台连接，定期获取车辆登记信息变更、车辆过户信息及车辆报废信息并基于同步数据对车辆特征库进行自动更新，保证了车辆基础信息的准确性和时效性。