ETC 門架交易系統的異常交易數據修復方法

■羅永煜 王陽生 賴樹坤 朱慧先

（福建省高速公路信息科技有限公司，福州 350018）

高速公路作為我國交通運輸基礎設施建設的重要組成部分，截至2020 年底，我國高速公路里程已突破16 萬km，居世界首位[1]。在取消收費站后，29 個聯網收費省份的24 588 套ETC 門架系統、48 211 條ETC 收費車道全部完成工程建設和改造[1]。截至2021 年，ETC 累積用戶已經超過2.2 億，車主使用率為78%，日均交易數據高達10 億，ETC 交易系統快速普及積累了海量的交易數據。ETC 門架系統基礎設施逐步升級，管理制度日益完善，為我國的高速公路快速精準收費提供了重要支撐。但是，ETC 門架系統由于設備鋪設位置造成的鄰道干擾、跟車干擾，以及設備故障、天氣原因、無線串擾造成的檢測失敗等原因，高速公路ETC 交易系統不可避免地存在重復交易、漏交易與誤交易事件[2-9]。因此，針對ETC 交易流水數據進行挖掘分析，識別出漏檢測、誤檢測及重復檢測現象，對異常數據進行修復還原，以實現ETC 收費系統的穩定運行及精準計費。

1 ETC 系統交易異常原因分析

1.1 鄰道干擾

ETC 門架產生鄰道干擾現象是ETC 系統中常發性問題，主要表現為ETC 門架上的RSU 設備和相鄰車道上的車輛中的車載OBU 設備進行通信，導致ETC 門架收費系統識別到對向車道的車輛信息，發生誤檢測交易特情，或ETC 門架上相鄰的兩RSU 設備同時識別到同一車輛而出現的重復檢測交易特情。ETC 門架產生鄰道干擾的原因主要有以下幾點：（1）設備安裝問題。在施工過程中，RSU 設備未正對車道正中央，造成信號覆蓋區域偏左偏右的情況；設備安裝仰角大小不同也影響著信號覆蓋區域的面積；（2）車道設計問題。相鄰車道之間需要設置一定寬度的隔離帶，若未設置隔離帶或隔離帶寬度不夠將產生鄰道干擾現象；（3）RSU 設備配置問題。天線方向圖設計時未設置好主瓣波束的覆蓋寬度；相鄰車道RSU 工作信道相同將出現同頻干擾問題；發射功率過大同樣將導致覆蓋區域超出車道范圍。

現階段RSU 設備與OBU 設備間多采用單向通信，驗證車輛行駛信息的準確性存在較大的難度，因此鄰道干擾產生的特情制約著ETC 交易系統的精準計費能力。ETC 門架鄰道干擾會出現以下2 種情況：（1）對向門架誤交易特情。車輛在最右側快車道行駛時，先后被對向車道和行車方向RSU 設備檢測到，并產生交易流水數據；（2）同向車道重復交易特情。車輛在某一車道行駛時車身相對偏向另一車道，同時由于各種原因鄰道的RSU 設備信號覆蓋區域較大且超過了車道寬度，此時將發生重復交易特情。

1.2 ETC 門架漏交易

ETC 門架作為路網車輛精準路徑識別的重要設備是在線實時路徑識別、還原以及計費處理的底層支撐，但由于天氣、設備故障以及網絡傳輸失敗等原因造成門架上的RSU 設備未識別到車輛經過的情況，導致出現門架漏交易特情。具體為車輛在經過門架時，車載OBU 設備與ETC 門架RSU 設備通訊失敗，未生成交易流水信息導致出現門架漏交易特情。

2 ETC 門架交易異常修復方法

門架交易異常特情發生時，門架設備與OBU設備無法相互交互，門架是無法得知是否存在交易異常行為。本研究設計門架交易異常修復方法先對門架交易軌跡異常情況進行說明；再針對各種異常情況進行針對性的修復方法說明；最后設計門架交易異常修復算法對門架交易軌跡異常進行修復還原，提高在線計費及門架路徑擬合的精準性。

2.1 ETC 門架交易異常情況說明

門架交易特情發生時，在ETC 交易流水數據中是無法直接反映出來的，因此對原始ETC 交易流水數據進行數據預處理，使其按照車輛行程軌跡化進行異常數據識別分析是重要步驟。通過對車輛行程軌跡化后，可以利用高速公路門架拓撲關系提取出異常交易特情。

門架交易特情主要為3 類：漏交易、誤交易以及重復交易，這3 類交易特情在行程軌跡中相互組合可能出現幾種錯誤軌跡。為保證ETC 收費系統實現精準計費，需要針對不同的異常交易軌跡進行修復以還原出車輛實際行駛路徑并進行計費。異常交易軌跡類型見表1，其中單一異常交易情況見序號1、2、3，處理這3 種情況相對容易，簡單進行拓撲比對即能得出。誤交易和漏交易組合出現的錯誤軌跡見序號4、5、6，具體異常類型難以定位并難以進行門架軌跡修復。

表1 異常交易軌跡類型

2.2 ETC 門架交易軌跡異常修復方法

對車輛交易軌跡存在多種異常交易特情的情況進行梳理，設計算法進行識別修復是實現精準計費的內在需求。針對本研究梳理出的6 種異常交易情況進行修復，主要是補全漏交易、刪除重復交易、修正誤交易，修復方法說明見表2。

表2 異常交易軌跡修復方法說明

根據異常交易軌跡修復方法說明的思路，提出門架軌跡異常識別及修復方法，充分利用ETC 門架交易流水數據、高速公路路網拓撲數據實現對各異常交易情況識別并修復，為后續的收費系統提供數據支撐。為此作出如下定義：

定義1 （節點Node）：高速公路上收費站與ETC 門架和收費站統稱為節點Node，其表示形式見公式（1）：

其中NodeID 為門架或收費站編碼；NodeType作為區分門架和收費站的標識；OPP 表示當前節點的對向節點編碼。

定義2（通行節點PNode）：車輛在行駛過程中與門架設備進行交互形成的交易信息、牌識信息以及車輛特征信息統稱通行信息。通行節點有車輛標識、通行時間、節點組成，其表示形式見公式（2）：

其中VehSign 為車輛標識，即車牌號；Node 為通過的節點信息；PTime 為通行時間。

定義3（行程門架軌跡PNodePath）：車輛在一次高速旅程中，所有的PNode 按Source 進行分類，以PTime 排序生成的一條有序軌跡鏈。其表現形式見公式（3）：

其中PNode1、PNoden為當前車輛高速旅程的起止點。需要說明的是由于漏交易、誤交易、重復交易等異常情況，故車輛通行門架軌跡并非一定連續。將未出現交易特情的行程門架軌跡稱為PNodePathR；出現交易特情導致門架軌跡不連續的稱為PNodePathW。

定義4（門架拓撲關系，TP）：門架拓撲關系是由Node 之間的路網連接關系組成的，高速公路屬于分向行駛的全封閉道路，故拓撲關系是具有方向性的。其表示形式見公式（4）：

其中Nodei為當前拓撲關系起點門架，Nodej為Nodei直接相連的后續門架。同時，Node 中保存著OPPNode 信息，由此可得反向門架拓撲關系TP′，見公式（5）：

定義5（門架連通關系，C）：門架連通關系指的是兩門架之間的最短門架路徑小于?（最大漏檢測門架數量閾值），即認為當前兩門架連通，其表示形式見公式（6）：

其中Pm=＜Nodej，…，Nodem＞為Nodei和Nodem之間的最短門架路徑；γ 為Pm 的長度。

根據前人的研究[2]，絕大部分的車輛交易門架軌跡不會超過20 個門架，故選取15 個門架作為最大漏交易門架數量閾值，即?=15。

門架交易軌跡異常修復方法包括門架交易軌跡異常識別和異常交易軌跡修復2 個部分。先將ETC 交易流水軌跡提取生成PNodePath，遍歷PNodePath；再根據TP，TP′比對車輛前后的PNode信息，若出現重復交易特情，則刪除；若出現誤交易特情，則根據TP′的信息將誤交易節點PNoden修正成PNoden[OPP]；若出現漏交易特情則使用Pm 進行漏交易門架補全；最終修復完成生成ReNodePath，若無法處理的軌跡提交人工審核，結束修復流程（圖1）。

圖1 門架交易異常識別及修復方法流程

3 實例分析

現階段，針對高速公路ETC 交易系統對異常交易數據清理修復的研究較少，缺乏有效的管理和科學的修復方法。如何利用ETC 交易流水數據和高速公路門架拓撲信息對ETC 交易系統產生的異常進行修復還原成為當前高速公路收費系統的一大挑戰。異常交易特情的出現往往導致車輛的門架通行軌跡不完整、軌跡異常、軌跡錯誤等。本研究針對漏交易、誤交易以及重復交易3 種異常交易特情組合生成的交易軌跡錯誤情況進行修復方法設計，從而實現ETC 交易流水數據的異常修復。試驗依托于福建省高速公路信息科技有限公司的福建省高速公路運行監測平臺，選取了2022 年6 月22 日全天的ETC 交易流水數據進行分析，主要開發工具與開發語言為Clickhouse 和Python。

3.1 異常軌跡分析

使用本研究提出的異常交易識別算法對2022年6 月22 日的ETC 交易流水數據進行分析，其中異常數據概況見圖2。ETC 流水數據異常是指出現漏交易、誤交易與重復交易的數據；行程指當日的所有行程門架軌跡數，包括還未駛出高速的車輛；完整行程為當日進入收費站并完成整個高速公路旅程出收費站完成收費的PNodePath 總數。從ETC 流水數據的異常情況看異常率較少，為1.69%，但是極小部分的異常流水數據造成了15.29%的PNodePath出現異常，這也說明了ETC 交易流水數據的異常識別和修復對收費路徑的精準擬合具有重要的研究意義。

圖2 2022 年6 月22 日ETC 交易流水異常數據

按行程錯誤情況進行統計，未出現交易特情的PNodePathR中，平均通行門架數為7.57 個；出現交易特情的PNodePathW中，平均通行門架數為10.99 個。通過對PNodePath 所包含的PNode 數與PNodePath 錯誤率的關聯分析（圖3），得出如下結論：（1）PNodePath 中的PNode 數集中在5～10 個，且大部分的PNodePath 中通行門架數小于20 個；（2）行程中PNode 異常交易率整體趨勢隨PNodePath 中的PNode 數量的增大而上升；（3）當PNode 數小于32 個時為正確率高于異常率，一旦超過32 個PNode 和50%的PNodePath 會出現異常交易特情，當PNodePath 達到72 個PNode 以上時，行程異常率接近1；（4）需要注意的是當PNodePath 的PNode 數為2 時，異常率與正常率接近1∶1，此類數據值得重點關注，有可能是利用屏蔽通行介質的方法，系統自動計算最短路徑進行收費從而達到“買短跑長”目的。

圖3 行程節點數與行程錯誤率關聯分析

3.2 異常軌跡修復效果分析

使用本研究提出的異常軌跡修復算法對出現異常的93 067 條PNodePathw進行修復，修復結果見圖4，本算法共修復87 486 條，仍有5 581 條屬于其他異常情況無法修復，修復成功率達到94%。針對已修復的PNodePath 進行分析漏檢測出現的交易異常情況最多共86 913 次占總門架交易次數的7.6%；門架重復檢測出現的情況最少，占總門架交易次數的0.76%（圖5）。

圖4 完整行程修復情況

圖5 異常交易特情分析

4 結語

隨著取消省界收費站后聯網收費里程激增，為維護高速公路正常的繳費秩序，對門架交易狀況的識別和異常特情的還原修復成為高速公路運營的重要工作之一。本研究針對漏交易、誤交易、重復交易3 種交易特情所產生的異常交易軌跡進行分析，提取出了6 種典型的異常交易軌跡，并根據高速公路門架拓撲設計異常軌跡修復算法，補充還原漏交易數據，修正誤交易數據，刪除重復交易數據；進而選取了福建省高速公路運行監測平臺2022 年6 月22 日全天的ETC 交易流水數據進行實例分析驗證，確定了該方法的有效性，提高了收費擬合的準確性。