基于大數據分析的高速公路AI 稽核平臺建設實踐

收稿日期：2024-04-17

作者簡介：張慧燚（1971—），男，本科，高級工程師，研究方向：公路工程。

摘要 自取消高速公路省界收費站以來，全國各省份實現了“一張網”聯網收費，高速公路收費的稽核問題變得日益復雜。文章分析了目前高速公路的稽核問題現狀，提出了AI稽核的整體架構，利用大數據分析的方式進行稽核工單處理。實踐表明，基于大數據分析的AI稽核平臺具有很強的實用性和可擴展性，可以大幅提高稽核工作人員的工作效率和工作的準確性。

關鍵詞 高速公路；AI稽核；大數據分析

中圖分類號 U495文獻標識碼 A文章編號 2096-8949（2024）11-0030-03

0 引言

2020年，全國取消了高速公路省界收費站，全國各省份實現了“一張網”聯網收費。通過對入口車道系統、ETC門架系統、出口車道系統、全網清分結算系統及其他相關系統進行升級完善，實現了“一次通行、一次扣費、一次告知”和點亮出口費顯目標[1-2]。

高速公路恢復收費以來，高速公路系統包括最小費額、路徑擬合、在線計費等多種方式計費。最小費額計費是指按照站與站之間的若干條可達行駛路徑中的最小值計費，路徑擬合是指在車輛行駛過程中存在門架未識別或未交易成功時可自動對車輛行駛路徑進行還原的計費方式，在線計費是指結合高速公路現行狀況，以車輛在通行門架和收費站時所生成的交易、牌識、北斗衛星定位等數據為基礎，實現車輛通行路徑的在線還原與精確計費[3]。

隨著多種計費模式的產生，逃費方式也隨之增多，不僅局限于傳統的倒換卡、沖卡、U形、回頭等，還增加了屏蔽卡簽、謊報入口、大車小標等新型、隱蔽的偷逃費方式。同時，交通運輸部下發了多項部級規則和部級規程，為全國范圍內打擊偷逃漏費提供了良好的政策依據和優良的政治環境。

為加強聯網收費稽核管理工作，建立與全國“一張網”收費模式相適應的聯網收費稽核追逃機制，維護通行費征收合法權益，實現通行費應收盡收、應繳盡繳，規范收費管理工作，建設一套高速公路AI稽核系統尤其必要。

1 稽核現狀分析

高速公路通行車輛偷逃通行費形式多樣且隱蔽性強，不僅造成通行費的損失，也為高速公路運營管理帶來了較大的困擾，形成了不良的社會影響。由于路網結構復雜、影響因素多樣化、數據管理難度大、車輛作弊形式多樣化等原因，使得目前高速公路通行費收入經濟損失巨大。

1.1 路網結構復雜

全國各省份地形、地貌類型多樣，造成了高速路網結構復雜的現狀。復雜的路網結構加大了對高速通行車輛的監管難度，行駛路徑曲折多變，路網感知能力薄弱，對高速通行計費的精準性影響巨大。

1.2 影響因素多樣化

高速公路車流情況復雜多變，收費業務受內外部因素影響，監管難度日趨增大。數據采集準確性、數據傳輸穩定性、設備運行狀態、氣候干擾因素、人工校驗效率與準確性等多樣化的影響因素，都會增加稽核監管的難度。

1.3 數據管理難度大

目前各個省份高速公路管理公司需要管理高速公路通行類數據、運行監測類數據、收費站運行類數據、收費站運營類數據等，數據量龐大，分布離散，管理和應用都面臨很大挑戰，難以充分發揮數據價值。

1.4 車輛作弊形式多樣化

當前司機逃費的方式千變萬化，現有人工為主的稽核方式已難以滿足日益增長的需求量。換卡逃費、大車小標等傳統偷逃費行為難以遏制，新型偷逃費行為層出不窮。

1.5 稽核運營效率不高

當前稽核方式為人工稽核為主，需調取大量的信息并人工識別，導致稽核效率低下，耗費人力物力且存在偶然性，準確性難以保證；車輛通行數據龐大，難免會出現漏查、誤查等情況。如何由內至外，從根本上提高稽核能力，需要建立一套完善的制度、規范體系。

2 AI稽核系統架構

AI稽核基于大數據、機器學習、路徑還原、數學建模等技術，通過大數據分析和證據鏈自動生成，可以極大提高稽核準確性與工作效率，有利于提升高速公路稽核管理水平，實現對偷逃通行費的有效追繳。

基于大數據集群提供的算力支撐，深度發揮大數據、AI技術能力，構建高速AI稽核云平臺，挖掘數據價值，實現多場景應用。結合稽核技術服務與安全保障體系，進一步提升稽核業務水平，從而保證通行費應收不漏。AI稽核系統架構圖如圖1所示。

圖1 高速AI稽核系統架構圖

2.1 硬件提供基礎能力支撐

大數據集群包含8臺鯤鵬服務器與1臺核心交換機，提供存儲、計算等基礎計算能力與高性能的軟件部署環境。基于大數據服務器，構建大數據集群，提供海量數據存儲能力、百億級數據處理能力、多源異構數據計算能力、秒級響應能力及資源協調調度能力等。為AI稽核系統構建穩定、安全、高性能的基礎運行環境，滿足系統的算力需求。

2.2 大數據、AI技術能力在稽核領域的深度應用

通過AI能力和大數據智能分析的技術組合，建設智慧高速收費AI稽核應用，優化稽核業務支撐體系。建設稽核模型、路徑擬合、證據鏈管理、稽核工單等功能模塊，支撐N個稽核應用場景，做到計得準、收得準，確保自由流收費安全可控。

稽核應用軟件平臺包含：稽核工單、稽核模型、路徑擬合、稽核分析等多個稽核應用，支撐N個稽核應用場景，挖掘稽核數據價值，提高計費準確性，提升稽核業務水平。

2.3 安全保障體系保證系統穩定安全

建設安全保障體系，提供數據安全、系統安全、網絡安全、應急處理等安全保障措施，建立系統安全保障機制，確保系統安全、穩定、可靠。

2.4 技術服務支撐提高稽核業務水平

建立技術服務支撐體系，提供部、省、AI等多級稽核技術服務及系統支撐。

3 大數據分析架構

大數據分析架構分為三層，分別是數據集成層、數據分析層、大數據應用層。具體如圖2所示。

圖2 大數據分析架構圖

數據集成層用于內外部數據的集成，其中，內部集成數據包括系統內部的各種業務系統產生的各類數據，主要通過ETL進行數據收集，每天可以產生百億級別的海量數據。外部數據是來自系統外部的各類數據，包括天氣信息、媒體新聞，地方新聞等信息，主要利用網絡爬蟲進行搜集數據。

數據分析層包括實時計算和離線分析。針對數據集成層傳輸上來的數據，通過kafka，spark stream的實時計算，最后將結果存儲到redis庫中。離線分析是將數據集成層傳輸過來的離線數據進行分析，對海量的數據進行數據挖掘，把非結構化的數據處理成具有一定結構的數據，方便后續的數據處理。通過海量數據查詢模塊對收集到的數據進行搜索，把搜索結果傳遞給海量數據計算模塊進行計算。

大數據應用層包括數據倉庫，海量圖片處理平臺，站級AI圖片、AI稽核等內容模塊。其中數據分析層的實時計算結果傳輸到數據倉庫進行處理存儲，方便后續使用。數據分析層的離線分析模塊將分析結果給到AI稽核模塊進行處理。海量圖片處理平臺是將高清卡口拍攝到的各種車輛圖片進行處理，找出疑似偷逃稅的圖片給到站級AI圖片模塊進行處理。最后，各種圖片信息作為證據鏈傳送給AI稽核模塊進行下一步處理。

4 總體業務流程

系統總體業務流程如圖3所示。

流程說明：

A.省中心數據、發行數據、拆分數據、治超數據等各類數據需要接收并且匯聚至大數據平臺進行分析處理，稽核模型驗證數據后，得到疑似偷逃費數據。

B.系統得到疑似偷逃費數據后，自動匹配稽核模型并且生成稽核工單和稽核證據鏈，并推送至省中心稽核平臺及稽核應用，供二者進行處理。其中稽核應用模塊將數據傳輸給路徑擬合模塊、稽核數據查詢模塊、稽核數據分析模塊進行處理。

C.省中心稽核平臺將稽核工單和證據鏈推送至高速公路收費站后，基層稽核人員核驗確認提交的追繳名單無誤后，把追繳工單向上提交，工單提交至路段和省中心進行審核。

D.省中心稽核平臺審核完成確認后，生成偷逃費用追繳名單，并將校驗結果、稽核結論反饋給AI稽核系統。

5 AI稽核平臺優勢

AI稽核平臺具有以下優勢：

5.1 實用性

依照用戶要求，堅持實用性為主的原則，完全滿足高速公路AI稽核建設項目的各項需求，在考慮未來發展需求的基礎上，既滿足需要，又避免過度追求系統的超前性，以減少不必要的投資。

5.2 可靠性、安全性

引入業界領先的技術手段，吸取行業領先經驗，為系統高可靠性的總體設計提供現實依據，為關鍵設備、關鍵部件設計進行冗余備份，保證系統的可靠性、安全性。

5.3 先進性

通過科學合理的設計，既防止片面追求某一熱點技術，又充分體現系統的先進性，最大限度地采用成熟、可繼承、具備廣闊發展前景的先進技術，使系統能在未來數年內不落后，并通過軟件升級即可實現更多新功能，延長系統的生命周期和使用價值，適應業務和技術發展方向。

5.4 開放性

各業務系統設計采用了標準化設計，嚴格遵循相關技術的國際、國內和行業標準，確保系統之間的透明性和互通互聯，并充分考慮與其他監控系統的連接。

5.5 可擴展性

系統的設計不僅滿足目前系統的要求，而且還考慮了今后發展的需要，使系統具有很強的可擴展性。

6 結語

自取消省界收費站以來，全國實現了“一張網”聯網收費，給高速公路的收費工作提供了很強的便利性。但是，高速公路的偷逃費行為依然存在，而且有愈演愈烈的趨勢。大數據分析和AI技術的日益成熟，給交通行業注入新的活力。利用大數據分析和AI技術解決稽核問題成為越來越多高速公路管理公司的選擇。充分利用大數據分析的超強計算能力和AI技術的高效處理能力，將其應用于交通稽核領域，可以有效地減輕人工稽核的負擔，提升稽核的準確性和有效性，使高速公路稽核這一復雜問題得以解決。

參考文獻

[1]劉春成， 吳博， 倪悝， 等. 基于AI的收費稽核研究與實踐[J]. 中國交通信息化， 2021（S1）： 135-138.

[2]黃宗偉. 基于AI大數據技術的5G網絡容量自適應算法研究[J]. 中國新通信， 2021（17）： 35-36.

[3]梁麗娟， 李鋒. 交通AI算法平臺框架設計[J]. 中國交通信息化， 2021（S1）： 25-28.