高速公路重點違法行為監測分析系統設計

李超

摘要 隨著高速公路路網規模的不斷擴大，高速公路不文明駕駛行為及違法違規行為嚴重影響了高速公路交通運行的安全與效率。文章提出利用大數據技術對高速公路路網通行車輛特征信息智能分析與實時監測，通過對通行車輛的事中、事前、事后的違法行為進行分析，實現對路網通行車輛違法、違規行為的監測與智能分析，提升交通執法與行業監管工作效能。

關鍵詞 高速公路；違法行為；違法監測系統；交通執法

中圖分類號 U495文獻標識碼 A文章編號 2096-8949（2023）14-0008-03

0 引言

隨著高速公路路網規模的不斷擴大，高速公路不文明駕駛行為及違法違規行為嚴重影響了高速公路交通運行的安全與效率[1]。目前，高速公路交通執法已經建成綜合執法業務系統，實現了執法過程案件辦理和文書制作環節的信息化，提高了案件處理規范化水平和效率[2]。

交通綜合執法改革對執法效能提出了更高要求。當前，高速公路交通執法人員整體配備不足，高速公路通車里程增加和“鎖定編制底數”的改革要求加劇了執法力量不足的困境，亟須以信息化為手段，通過對車輛通行數據及業務系統關聯數據的分析[3]，識別路政、運政以及收費稽查領域具有重大違法嫌疑的車輛，實現違法行為智能分析和智能監測，整體提升執法效能，彌補執法人員不足對執法效能的制約。

1 違法監測系統架構

系統將圍繞高速違法行為管理、綜合信息服務為主線，結合路網安全運行管理實際需求，建立全省高速路網違法監測數據分析應用服務體系，重點實現路網通行車輛違法和違規行為自動識別、路網通行車輛特征信息智能分析、重點車輛實時監測以及車輛違法信息自動推送等數據分析共享服務。總體框架圖如圖1所示。

1.1 感知層

感知層主要是各類數據及信息采集獲取的站點及設備，包括高速收費站點、視頻卡口、稱重設備、衛星定位設備等。

1.2 傳輸層

傳輸層包括交通行業專網、政務外網和互聯網，用于各種數據的傳輸。

1.3 軟硬件平臺層

基礎設施層各種計算資源及存儲資源，并做相應的安全防護。

1.4 數據層

主要依托數據應用，通過對不同業務系統的數據指標，通過數據庫表接口等方式對數據信息進行篩選和整理，根據數據應用的具體需求進行分類存儲管理。主要包括基礎信息數據、業務數據庫、主題數據庫、交換數據庫等。

1.5 應用支撐層

應用支撐層為應用軟件提供運行和開發環境。它是支撐業務應用和實現各業務之間信息共享的關鍵，具體包括應用中間件、數據庫管理系統、地理信息平臺、視頻共享平臺、短信平臺、統一認證平臺等。

1.6 應用層

應用系統層包括重點車輛綜合信息展示模塊、違法行為智能實時研判模塊、違法信息統一推送模塊、重點車輛路網監測（展示）模塊、違法行為智能分析模塊。

1.7 展現層

展現層指業務的展示形式，是用戶訪問系統的窗口，主要包括各級管理部門訪問的系統界面、WEB網站、手機App等。

1.8 用戶層

用戶層是系統業務應用的用戶，包括執法人員、執法管理人員等。

2 違法業務處置流程

該系統主要面向高速公路通行車輛，覆蓋高速公路事前監管、高速入口車輛識別、事中違法行為識別、現場路面執法、高速出口監管以及車輛出口監管六大環節。面向高速執法機構、行業監管部門、收費管理部門以及地方執法機構，針對不同環節下的違法違規車輛的處置以及違法名單進行數據應用，提升對違法違規車輛的數字化管控，提升日常車輛監管效能。

2.1 高速事前監管

主要針對歷史高速通行車輛以及大件勸返車輛進行分析管理。針對車輛歷史通行記錄，分析車輛的通行規律，對后續車輛出行預測提供數據支撐；針對大件勸返車輛進行數據分析，實現與行業監管部門以及地方執法機構的名單推送。

2.2 高速入口識別

針對已經標記為重點關注車輛名單，系統通過高速公路入口數據自動研判，對于駛入高速路網的車輛進行篩查，為后續車輛跟蹤管理提供數據支撐。

2.3 事中違法行為識別

面向已駛入高速路網范圍內的車輛，針對不同車輛類型進行違法行為的實時動態監控管理，當發現車輛存在疑似違法違規行為，由高速公路執法人員根據車輛監測情況對車輛攔截條件進行人工研判。

同時可以支持對特殊車輛類型（如：大件運輸車輛）的通行軌跡情況進行展示，幫助行業監管部門快速掌握轄區大件運輸車輛通行情況。

2.4 現場路面執法

高速執法機構對于支持路面攔截的車輛積極開展后續路面攔截工作，可以通過數據分析車輛行駛軌跡，輔助后續車輛的現場檢查與執法工作。

2.5 高速出口監管

對于無法開展路面攔截的車輛可以通過出入口攔截申請，保障在出口收費站及時進行車輛攔截。

2.6 車輛事后監管

主要針對歷史車輛通行數據分析結果，將違法違規車輛名單按照行業監管要求、地方執法工作要求及時進行數據推送，保障后續行業監管部門以及地方執法機構對車輛、車屬企業的監管工作要求。

3 重點違法行為分析

構建風險預警模型管理功能，搭建覆蓋班車、包車、大件運輸等不同類型車輛，通過對高速公路通行車輛數據進行分析、預警、研判、驗證、修正等[4]，通過實際應用不斷迭代優化風險預警模型，提高模型準確性，不斷拓展模型應用范圍。

由于系統模型搭建過程中，需要大量數據進行定時訓練以提高模型識別的準確度，主要數據類型包括高速出入口收費數據、高速門架交易數據、車牌牌識數據、治超稱重數據、運政數據、車管數據、包車/班車線路牌數據以及大件許可數據。

3.1 非法營運車輛分析

非法營運車輛主要針對沒有有效營運資質的車輛從事道路運輸經營行動的車輛。該次系統模型主要針對疑似非法營運行為進行數據篩查分析，得到“疑似非法營運”車輛名單，輔助現場執法人員進行現場車輛篩查，確認車輛是否違法。違法行為分析規則如下：

（1）車輛型號分類篩查：根據車牌顏色、車輛號牌，通過收費系統數據對車型進行核準，針對不同類型客車、貨車進行分類篩查管理。

（2）從業車輛剔除：利用通行車輛號牌進行營運資質篩查，針對無從業資格、已注銷/已過期的營運車輛的作為基礎“非營運”車牌篩查數據名單。

（3）高頻車型篩查：通過高速公路通行數據，將車輛通行所有收費站數據做累計，重點針對利用歷史1～3個月高速公路收費站通行數據，鎖定不同轄區范圍內的高頻車輛號牌，納入“疑似非法營運車輛庫”。

（4）車輛軌跡分析：針對“非營運”車輛中，對于單日頻繁出入多個收費站的車輛，通過軌跡沒有規律特征或者頻繁出現在“兩站一場”周邊的情況的非營運車輛名單，系統標識存在高頻疑似違法行為情況。

（5）歷史非法營運車輛篩查：調取執法案件數據中涉及非法營運案件的近期車輛數據，對歷史存在非法營運的車輛和車輛所屬企業進行篩查，然后將歷史存在非法營運的企業、車輛與“非營運”車輛篩查數據名單進行比對，進一步提升疑似非法營運篩查力度。

（6）其他輔助篩查規則：為了提升疑似非法營運預警精準度，系統將根據不同區間、時段疊加不同預警規則。

里程篩查：利用單車的通行里程進行測算分析，如：日均高速里程100～200 km以上車輛。

通勤費用篩查：利用收費系統中的結算數據，針對日均通行費用超過200元的非營運車輛進行核準。

車價篩選：利用收費系統中車輛廠牌型號數據，進一步剔除高端車輛。

3.2 班車客運違規營運分析

班車客運違規營運預警模型主要針對班車客運中的不按規定線路行駛、不按規定速度行駛以及不按規定時間行駛三類進行預警。基于高速公路車輛通行數據，通過車牌號碼、車牌顏色調取運政系統數據，鎖定班車客運通行數據，進一步對班車客運存在的違規營運行為進行篩查。

（1）車輛營運資質類型查驗：針對高速公路通行班車客運進行資質核驗，是否持有有效班車線路牌。

（2）班車客運車輛實際運行軌跡是否與線路牌的起始地、途徑地、目的地一致，是否未按規定時間上路行駛。

3.3 包車客運違規營運分析

包車監管重點是核對高速通行的包車客運車輛實際運行軌跡是否與線路牌的起始地、途徑地、目的地一致，是否合規上路行駛。

分析判斷規則：

（1）車輛實際行駛過程中，是否持有有效包車客運標志牌。

（2）包車客運車輛實際運行軌跡是否與包車標志牌所備案的起始地、途經地、目的地一致，是否長時間超范圍營運。

3.4 大件車輛不按規定線路/時間行駛

（1）通行車輛車牌識別：通過高速公路通行數據獲取車種為大件運輸車輛（或根據通行數據獲取的車牌、車牌顏色獲取車牌）；通過運政系統對車輛資質進行查驗。

（2）大件許可信息查驗：通過標識的大件車輛對相應許可進行查驗，查詢當前車輛是否具備有效許可資質，并進一步核對許可的線路和許可時間。

（3）許可線路比對：通過大件運輸許可系統查詢接口核驗大件運輸車輛大件運輸許可審批信息，同時根據車輛車牌號碼、車牌顏色數據，查詢大件運輸車輛在此時間段內的定位信息，由定位信息確定車輛實際通過的行政區劃。結合實際途經地信息，查詢比對該車輛在途經省的許可信息，進行許可一致性判斷，并將異常車輛數據納入預警車輛名單庫。

（4）許可時間比對：通過大件運輸許可審批數據，核對大件車輛上路的許可時間是否一致，如上路時間與許可時效不一致，則將異常大件車輛納入預警車輛名單庫。

3.5 套牌車輛預警模型

套牌車輛主要指利用非法或者假冒行為對車輛進行虛假車牌改裝，以起到違法行為無法被精準鎖定的目的，該次系統主要利用車管數據和高速車輛行駛檔案數據進行比對。

利用公安車管信息數據和車輛在高速路網歷史通行數據、車牌識別數據，建立車輛準確檔案數據，包括車輛車牌號牌信息（車輛號牌、車牌顏色），車型（一類客車、二類客車……一類貨車），車標（大眾、寶馬、比亞迪）等基本信息，一旦出現車牌與檔案信息不符，或同時間段內出現不同位置的同一車牌時則做預警提示，為后續執法人員現場進行套牌車核查提供數據支撐。

3.6 危險品車輛監管預警模型

利用危險品營運車輛基礎庫信息，篩選危險品車輛基礎名單。通過高速公路入口流水數據核對危險品車輛上路時間和上路位置，核對車輛是否存在無危貨運單上路行為。

3.7 預警車輛用戶畫像

面向高速公路通行車輛進行分類管理，根據預警模型研判的結果將預警車輛進行統一管理，重點針對預警車輛進行綜合數據分析研判，形成單個車輛的數字畫像，通過系統分析車輛高頻出入收費站名稱、車輛歷史通行情況數據，輔助執法人員對車輛進行軌跡分析的通行規律。

4 結語

重點違法系統通過大數據技術對路網通行車輛特征信息智能分析與實時監測，利用大數據技術支撐各級執法機構對車輛違法行為“快速識別、常態化監管、精準打擊”。同時，利用研判結果數據，支撐執法機構以及行業監管部門對源頭企業以及車籍進行監督檢查工作，對于提升行業監管以及執法工作的數據監管能力具有重要意義。

參考文獻

[1]張慧辰， 孔晨晨， 楊卓敏. 基于視頻分析的高速公路違法行為識別系統設計與實現[J]. 科學技術與創新， 2022（3）： 182-185.

[2]朱玉賢. 新形勢下加強高速公路執法隊伍素質建設的幾點思考[J]. 現代經濟信息， 2019（14）： 116.

[3]廖輝. 基于高速公路信息化建設與管理研究[J]. 運輸經理世界， 2023（6）： 74-76.

[4]張起， 崔優凱， 周義程， 等. 融合多源數據的高速公路收費站出口實時通行狀況判別方法研究[J]. 中國交通信息化， 2023（2）： 105-107.