基于雷視融合車型識別的稽核系統方案研究

朱來俊

摘要 在現行高速公路收費機制下，偷逃通行費的現象屢禁不止，高速收費稽核是確保做到應收盡收，減少通行費損失的重要環節。傳統的人工稽核方式耗費時間、效率低，且易受人為因素影響。文章提出了一種基于激光雷達和視頻車型識別的高速收費稽核方案，通過邊緣計算技術對車輛信息進行處理，建立可信車型庫，并通過大數據分析技術實現車輛畫像的生成。試點驗證結果表明，該方案在車輛識別率和稽核效率方面均有顯著提高，可以為高速公路收費系統和稽核系統提供可靠的應用支持。

關鍵詞 雷視融合；車型識別；車輛車型庫；車輛行為畫像；收費稽核

中圖分類號 U495 文獻標識碼 A 文章編號 2096-8949（2023）16-0001-04

0 引言

2019年底撤銷省界站以來，高速公路建成了以ETC系統為核心的收費系統，形成了全國“一張網”的運營格局。撤銷省界站使跨省通行車輛不再受省界收費影響，收費方式變為“多省門架計費、出口收費”，跨省車輛單次通行費大幅度增加，部分司乘人員在利益驅動下，利用非法手段達到逃費和少繳通行費的目的，改變車型、屏蔽通行介質、跑長買短等典型逃費方式不斷演變，使稽核打逃工作面臨新挑戰[1]，相關工作量大大增加。

部中心也不斷細化完善稽核業務規則，通過編寫收費公路聯網收費運營和服務規范，為全網收費稽核業務開展提供指導依據，確?；藰I務工作規范有序地開展。在業務規則建立的同時，中心也于2021年1月份上線了部稽核平臺，完整閉環地支撐全網開展稽核業務。根據部稽核平臺數據，發起稽核工單量逐月穩步增長，確認欠費額不斷上升，“一張網”模式下稽核工作對維護正常收費秩序，保障通行費收入的重要性日益凸顯。

目前，多數省份基本依托部、省級稽核平臺開展高速收費稽核工作，但實施過程中也存在以下兩方面的不足：

（1）節點感知能力弱：目前的收費站ETC車道、ETC門架及服務區等應用場景下，基本沒有車型檢測能力。

（2）稽核效率低，成本高：無可信的車型信息庫和車輛畫像，重點管控能力不足，全量稽核導致工作量大；信息共享機制差，導致重復稽核，效率低，成本高。

基于上述現狀，該文提出了一種基于激光雷達和視頻車型識別技術的高速收費稽核解決方案。該方案采用邊緣計算技術，將圖像信息和雷達信息進行融合處理，提高了高速通行車輛特征信息的感知能力[2]。同時，該方案還利用大數據處理技術，建立可信的車輛信息庫[3]，進行了車輛畫像，實現了車型信息的共享和重點車輛監控，提高了車輛稽核的準確性和效率。

1 系統方案

針對高速收費系統和稽核系統的現狀，該文以下面幾個方向為設計要點給出系統方案：

（1）提出了一種基于激光雷達和視頻車型識別技術的高速收費稽核解決方案，能夠實現高精度車型信息采集和高效率的車輛收費稽核。

（2）采用邊緣計算技術和車型庫技術，降低了數據傳輸和處理的成本，并提高了準確性和效率。

（3）設計并實現了一個原型系統，證明了該文提出的解決方案的可行性和有效性。

1.1 系統總架構

該文構建的基于雷視融合車型識別的稽核系統，將高速公路關鍵路徑的節點感知設備統一接入，包括收費站入口、服務區、ETC門架和收費站出口等，利用節點感知能力獲取車輛多維特征信息，以車輛號牌為主鍵，整合車輛的車牌信息、實際車型信息、歷史計費車型信息等多維度數據，采用大數據技術動態為車輛精準畫像，為業主建設標準化的高可信車輛車型庫?？少x能收費站、門架等進行收費、計費及稽核，可進一步提高收費車型的識別準確率，有效降低車型判別人工介入概率，減輕收費人員工作量。基于雷視融合車型識別的稽核系統架構如圖1所示。

1.2 系統網絡拓撲

基于雷視融合車型識別的收費稽核系統由部署在收費站、服務區、ETC門架等節點的車型識別子系統及數據管控平臺組成，其中數據管控平臺可以部署在路段中心或者省級中心。系統網絡拓撲如圖2所示。

1.3 雷視融合車型識別系統

雷視融合車型識別系統由激光雷達和激光專用控制器、取證視頻、抓拍相機等組成，其系統組成如圖3所示。

1.3.1 激光雷達模塊

激光雷達可以獲取車輛的三維點云數據，包括車輛的長度、寬度、高度和形狀等信息。該文采用萬集科技研發的激光雷達，不僅具有高精度測距和定位技術，可達厘米級精度，能夠更準確地檢測車輛輪廓特征，而且激光雷達采用主動光源，不易受到環境光照影響，夜間識別較視頻檢測精準度更高。

1.3.2 側裝攝像機

側裝攝像機主要用于獲取車輛的視頻信息，并對其進行分析和處理。該文采用了YOLOv5算法進行車型識別，該算法具有較高的準確率和實時性。通過對車輛的視頻信息進行分析和處理，可以獲取車輛的顏色、軸數等信息，為后續的稽核提供基礎。

1.3.3 抓拍子系統

系統包含抓拍攝像機及補光裝置，每條車道配置一套，用于抓拍經過車輛的正面圖片。系統還包含視頻圖片特征提取邊緣機，用于對抓拍的圖片或原始視頻流提取車輛特征信息，并將車輛圖片信息、特征信息上傳給門架工控機。

1.3.4 數據處理子系統

數據處理子系統由邊緣AI一體機組成，通過網絡通信的方式實時接收激光雷達、側裝相機和抓拍子系統的數據，并在邊緣側執行數據預處理、算法模型等數據處理流程，得到車輛的結構化（如車牌號牌、識別車型、車輛軸數、行駛速度等）和非結構化的數據（車頭圖片、車牌圖片、車側圖片、通行短視頻），并在邊緣AI一體機中進行多維信息融合，生成“1取證-1流水-1圖片-1視頻”稽核證據鏈。

1.4 系統平臺功能

在節點門架的車型識別系統會精準感知車輛特征信息，形成結構化的數據，并通過專用網絡匯聚到大數據平臺。然后在平臺側會進行數據接收、數據清洗、數據計算和數據存儲等數據處理，得到精準的車輛車型及稽核信息，為后續進行逃費稽核打下基礎。在上述數據處理后，平臺可以提供以下功能：

1.4.1 車輛行為畫像和車輛畫像庫

車輛逃費行為畫像是指對逃費車輛的特征、行為和模式進行分析和描述，以便識別和預測逃費行為。該文提出的方案利用大數據分析能力，可從以下維度對車輛進行畫像。

（1）頻率與時間。逃費車輛可能在一段時間內多次或頻繁地進行逃費行為。通過分析逃費發生的時間段和頻率，可以了解逃費車輛的行為模式和習慣。

（2）路段偏好。逃費車輛可能有特定的路段偏好，傾向于在某些路段上進行逃費。通過分析逃費發生的地點和路段，可以確定逃費車輛的常用逃費路線或逃費點。

（3）車輛類型與特征。逃費車輛可能涵蓋不同類型和特征的車輛，包括私家車、商用車、摩托車等。通過分析車輛的類型、品牌、顏色等特征，可以輔助識別和追蹤逃費車輛。

（4）支付方式偏好。逃費車輛可能傾向于使用特定的支付方式或逃避支付手段。通過分析逃費車輛的支付方式、賬戶記錄等信息，可以了解他們的支付習慣和行為模式。

（5）行為特征。逃費車輛可能表現出一些行為特征，例如倒換交易介質、變更車種、有入無出等。通過分析車輛的行駛行為和模式，可以輔助識別和預測逃費行為。

1.4.2 車型信息和車型信息庫

目前，高速收費公路通行費主要由費率和里程決定，而通行費費率主要由車型決定。該文所述的車型信息泛指以車型為主的車輛特征信息，包括了車牌號牌、車牌顏色、車型、軸數、車頭圖片、車身圖片等?；谏鲜鲕囕v特征信息，系統提供了以下功能：

（1）數據審核與驗證?？梢詫囆托畔⑦M行審核和驗證，確保數據的準確性和完整性。通過對數據源的驗證和比對，檢查車型信息是否與官方發布的數據一致，并排除潛在的錯誤或虛假信息。

（2）車型信息搜索與查詢。提供車型信息的搜索和查詢功能，用戶可以根據車牌號、品牌、車型等條件進行快速查找所需的車型信息，提高信息的檢索效率。

（3）信息共享和數據交換。平臺可以與其他相關系統進行接口集成，實現數據的交換和共享。與部省稽核系統、收費站收費系統等進行數據接口對接，確保車型信息在各個系統之間的一致性和流暢傳遞。

（4）數據可視化與報告生成。平臺可以提供數據可視化的功能，將車型信息以圖表、報表等形式進行展示和分析，生成可視化報告，幫助用戶更直觀地了解車型數據的變化、趨勢和統計信息。

1.4.3 重點車輛管控

通過車輛畫像庫和車型信息庫，進行數據分析和模型預測，識別潛在的風險車輛，可以實現對兩客一危、逃費車輛進行實時監測和跟蹤，以確保車輛在高速通行中的安全性和合規性。同時，系統可以根據預警信息，對風險事件進行推送提醒，以便及時采取相應的安全處置措施。

1.4.4 信息共享和車輛攔截追繳

結合節點實時感知數據，平臺可及時發現通行車輛逃費行為，包括大車小標、交換介質、一車多介質等異常車輛，然后通過車輛行為畫像庫預測車輛行駛路線，由中心人工確定異常行為后及時將該車加入黑名單，并下發派單給可能駛出的收費站稽核人員實施攔截稽核。

2 關鍵技術

2.1 雷視融合車型識別技術

采用先進的激光+視頻融合技術，獲取車輛點云信息和圖像信息。系統基于多維感知融合，結合激光雷達、取證相機等不同技術原理的設備感知信息，運用傳統經典算法和深度學習算法，分別提取車輛的局部特征和全局特征，從而實現綜合決策，準確輸出車輛收費車型，并且系統采用高頻掃描式激光器，垂直向下安裝，具有極佳角分辨率，無懼車輛并行遮擋，準確分車[4]。

2.2 邊緣計算技術

通過邊緣計算技術，可以將車輛特征信息的感知和數據處理放在邊緣側節點上，然后生成結構化的數據，減少數據傳輸的延遲和成本。在車輛稽核中，邊緣計算可以使數據處理更加快速和實時，提高系統的稽核效率。

2.3 大數據處理技術

通過使用大數據技術，實現車型庫的構建和管理，通過車輛圖像的處理和分析，識別車輛的車牌號碼、車型、顏色等信息，并將其存儲在車型庫中，為后續的車輛識別提供依據[5]?；诖髷祿夹g和車輛信息庫的車輛特征分析和行為模式挖掘，通過對車輛行駛軌跡、車速、停留時間、行駛路線等信息進行分析，建立車輛的行為畫像，賦能高速收費和稽核系統。

2.4 車型行為畫像技術

通過節點感知設備對車輛的特征信息進行采集，并提取出具有代表性的行為特征，利用數據挖掘和機器學習技術，對車輛的行為模式進行識別和分類。通過對大量的車輛行為數據進行訓練和模型建立，識別出不同類型的行為模式。然后將車輛的行為特征和模式融合，建立車輛的行為畫像模型，用以描述車輛額典型行為模式、習慣偏好，為收費稽核提供決策依據。最后，利用上述技術，可對車輛的行為進行預測分析、實時監控與報警，助力稽核人員采取相應的稽核措施。

3 系統有益效果

針對文首提到的現階段各省稽核系統存在的節點感知能力弱，稽核效率低，成本高等不足之處，聯合高速收費行業頭部企業在貴州進行了該方案的試點驗證，該文給出的稽核系統有效地解決了上述問題：

（1）在車輛信息感知維度，通過雷視融合方案獲取車輛點云信息和圖像信息，然后通過深度學習算法和雷視融合算法進行車輛多維特征感知，得到更精準的車型、軸數等車輛特征[6]。相比于傳統的基于圖像識別的車型識別技術，基于雷視融合的車型識別技術在復雜的天氣和光照條件下具有更高的準確性和穩定性。

（2）在稽核維度，借助大數據技術和車輛畫像技術，建立了可信的車型信息庫，不僅是收費稽核的重要基礎數據，還能賦能收費站、門架等場景進行收費和計費。

（3）在實時性維度，借助數據管理平臺實現高效合理的業務流程，對疑似異常行為及時地進行人工確認，并下發收費站實施稽核攔截。

4 結語

該文提出了一種基于雷視融合車型識別的收費稽核方案。該方案通過激光雷達和視頻車型識別技術快速準確地識別車輛車牌和車型等信息，使用邊緣計算進行數據處理和分析，生成可信的車型庫，能夠在實時性要求較高的場景下稽核車輛，同時減少了數據傳輸的延遲和成本，降低了系統的運行成本。該文的實驗結果表明，該方案的識別準確率和稽核效率較高，生成的車輛畫像精度較高，可以有效應用于高速公路收費稽核場景。

參考文獻

[1]專家談“后撤站時代”的三大難點[N]. 中國交通信息化（公眾號）. 2020-10-12.

[2]沈峰， 朱勝超， 呂劍. ETC分段式計費系統精準收費升級方案[J]. 中國交通信息化. 2021（6）： 106-108.

[3]劉雪峰， 張建勇. 基于車型庫和圖像識別的收費車型自動識別系統[J]. 交通科技與經濟， 2020（2）： 76-80.

[4]信思旭， 馬春香， 蔣佳男， 等. 激光式ETC防作弊系統解決方案探析[J]. 中國交通信息化， 2018（4）： 101-103.

[5]邱夢婕， 于利民， 趙寶華， 等. 基于車型信息的ETC收費稽核方法[J]. 交通信息與安全， 2020（2）： 128-133.

[6]張亮， 李澤湘. 基于車型信息的高速公路收費稽核技術研究[J]. 公路， 2021（3）： 277-284.