|
交通运输部数据显示，截至2021年末，全国收费公路里程达18.76万公里，其中高速公路16.12万公里，占比高达85.9%，高速公路费用收缴的重要性尤为凸显。 收费系统作为高速公路的三大机电系统之一，在高速费用的收取、公路的养护中发挥着重要作用。收费与稽核，自诞生伊始就像一对双胞胎，一直共同存在。 随着省界收费站的取消、全国实现收费一张网之后，部分司机为追求经济利益最大化铤而走险，利用各种非法手段达到逃缴、少缴通行费的目的，这对收费稽核提出了新的挑战。 一、稽核发展现状（一）局部存在收费不精准目前，全网收费站1.1万余个，ETC门架2.9万余套，车牌识别摄像机25万套左右，用以保证收费工作和高速公路的平稳运行，但前端数据采集不精准依然是制约收费稽核走向精准、高效的关键因素。数据采集不精准，导致计费不精准，计费不精准又导致稽核缺乏证据支撑，出现少收、漏收的情况。 图1 局部收费不精准逻辑关系 数据采集不准确经常见于两种情况：一是ETC识别率不达标，存在干扰、串扰、人为等因素；二是车牌识别准确率不达标，包括牌识流水丢失、车辆特征识别不准、交易牌识不匹配等。前端数据采集是在线计费、收费稽核的基础，数据采不准，必然导致费用收不准。 数据采集不精准又导致三类稽核问题：第一类是费用漏收，主要体现在无法提供可信扣费证据，导致交易失败，不能收取通行费；第二类是无法稽核追缴，证据链不完善，路径无法还原，导致无法追缴；第三类是稽核少收，因无法还原实际行驶路径只能用最短路径追缴费用。 （二）产生新型逃费行为全国高速公路取消省界收费站后，高速公路车辆的收费模式由计重收费改成按车型收费，计费里程由收费站和ETC门架系统根据行驶路径确定。由于计费方式的改变，新型偷逃费行为应运而生。这其中有客观因素，比如设备、环境等；也有主观因素，比如司机故意改变卡签、屏蔽通行介质等，具体逃费行为如下表所示： 表1 新型逃费行为
这类新逃费行为，隐蔽性强、数量多，需要前后端紧密配合，对于数据的挖掘使用要求高，追缴难度往往较大，某省预计高速公路偷逃费每年损失超过5亿元，至少已有10个左右省份开展高速公路偷逃费专项整治行动，可见形势之严峻。 （三）按实际通行路径收费过去，由于技术条件的限制，同一目的地有多条路径选择，均是按多条路径中收费额最少的路径来收取通行费的。取消省界站全国并网后，按照车辆实际行驶路径收取通行费，车辆途经的收费门架将会自动计费。同样出入口，如果实际行驶路径不一致，收费金额就会有差异。
图2 计费流程示意图 二、常用技术（一）大数据分析大数据分析是智慧稽核的底层技术之一，通过对海量的交易流水、牌识流水等通行数据进行数据治理、智能分析和深度挖掘，拟合实际行驶路径，快速发现异常车辆，进行嫌疑筛选，从而提高收费稽核的效率和准确率。通过数据治理将原始数据形成结构化的可用数据，然后利用交易流水和牌识流水进行路径拟合，还原真实形式路径，最后利用数据特征进行嫌疑筛选，发现异常数据。具体内容如下： （1）数据治理：基于收费系统和车辆牌照识别系统等多个数据源，对大量的数据进行清洗、整合和归档，保证数据的准确性和真实性。 （2）路径拟合：通过大数据分析的手段，对车辆在高速公路行驶过程中的轨迹和时间进行路径拟合，并与收费信息进行匹配，从而判断车辆是否存在逃费问题。 （3）嫌疑筛选：通过大数据分析算法和机器学习技术等实现对数据的智能分析和筛选，发现异常数据和不规范行为，并快速对相关数据进行稽核和处理，提高稽核的精度和效率。 （二）图片分析图片分析是形成稽核证据链的关键，通过对图片识别来解析车辆特征，对每辆车形成画像；利用图片增强、复原、重建等技术对于质量较差的图像进行治理，达到更好的展现效果；基于车辆特征和修复的图片，利用预制的车辆提取模型进行以图搜图，快速匹配车辆。 车辆特征解析：可以对车辆的颜色、车型、车牌号、有无天窗、有无挂饰、有无备胎等特征进行自动识别和分析，实现车辆的智能化识别和分类。 图片治理：图片治理指的是对图片进行处理和优化，以提升其质量、清晰度，从而达到更好的展现效果，包括图像增强技术、图像复原技术、图像重建技术、 图像压缩技术。 以图搜图：基于对车辆特征的解析和图片治理结果，利用深度学习搭配图片识别技术，预制车辆特征抽取模型，对于牌照未拍清楚、假牌照、贴牌等问题大幅提高对比成功率，实现海量图片的秒级检索。
图3 图片分析技术 图片分析在应用于智慧稽核中可实现以下效果： 快速匹配目标车辆：对车辆的照片进行分析和处理，将车辆的颜色、车型、车牌等信息提取出来，并与数据库中的信息进行匹配，从而实现对目标车辆的快速匹配和确定。 辅助司法审判：将稽查数据和车辆信息进行保存，以备司法部门审判时使用。如果车辆存在逃费行为，司法部门可以通过检索车辆信息数据库，获取有关证据，支持相关司法判决。
图4 《中国高速公路》报道车辆偷逃费判刑案例 （三）路网模型对高速路网进行数学建模，将实体高速映射到数字空间，形成数字化、可视化、能计算、能分析的数字道路，进而对路网拓扑结构、交通状况和信息流动进行数字化分析。 沿道路方向以高速公路起点(IN)、终点(OUT)、识别点(R)、邻接收费站入口点(C)在主线上的位置为主要分析要素，进行投影、建模，以收费站为顶点、收费站之间的路段为边生成带权有向图。每条边都有一个方向，用于表示车流的流向。每条边的权值可以表示路段的通行能力、车道数、限速、收费等条件限制。
图5 路网模型示意图 基于数字化的路网模型和带权有向图，对合并后的路径有效性进行判断，对于异常的路径，系统自动进行剔除，能够实现车辆路径预测、判断车辆实际路径、计费数据提前分发等功能。 三、未来展望稽核工作前置，在线实时稽核：最好的稽核是不用稽核，车辆下高速的时候在收费站就把所有的通行费用全部缴清，行驶路径一目了然，证据链条完整清晰，不存在事后稽核追缴。这对于在线实时精准稽核要求较高，对数据要求是准确的，对计算要求是实时的，同时车辆特征、路径拟合必须精准无误。 信用体系建设，形成黑灰名单：当前高速公路的车流量居高不下，要求稽核工作人员做到每辆车都时刻关注几乎不可能，利用大数据、AI等技术精确筛选分析也存在技术难度，利用信用体系，对所有车辆建立诚信积分，形成黑灰名单，在入口发现黑灰名单车辆时就发出预警，重点关注，可以提高稽核效率。 |
|
|
