关 键 词：

高速公路 ETC 稽查 数据 图像 取证 系统

资源描述：

技术 T E C H N O L O G Y D O I 1 0 1 3 4 3 9 j c n k i i t s c 2 0 1 7 0 7 0 0 8 高速公路E T C 稽查大数据图像取证系统 董建中 张雷 吉林省高速公路管理局 吉林长春1 3 0 0 2 2 摘要 针对高速公路E T C 收费稽查图像取证的需求 开发了高速E T C 稽查大数据图像取证系统 能够自动分析海量收费车道抓拍图片的车型 数据并自动进行比对发现逃费车辆 关键词 高速公路 E T C 大数据 图像取证 高速公路E T C 的全国联网为广大高速公路出行者快速缴费提 供了极大方便 真正实现了用户出行快速便捷的服务承诺 为了更 好地推广E T C 和发展用户 目前大部分工作是通过银行合作网点完 成的 由于银行业务水平和监管能力不同 在发展E T C 用户中存在 一定数量E T C 注册车型与实际车型不符的情况 造成了通行费的 流失 为了打击逃费情况 高速公路收费稽查系统需要核对车辆的 实际车型与E T C 注册车型的一致性问题 由于图片是非结构化的数 据 人工查询和分析海量的收费车道抓拍图片的车型非常困难 但 这些图片进行车型结构化识别后 就可以实现自动进行车型对比 一 存在的问题 随着联网规模的增加 高速公路E T C 为客车通行带来了便 利 众多私家小客车以及大量客运车辆都安装上了O B U 通过 高速公路E T C 车道畅快通行高速公路 然而有些车辆则通过这个 快速通道进行逃费 给高速公路收费站的E T C 车道运营带来了压 力 当前高速公路逃费行为呈现出 专业化 团伙化 的特 点 随着互联网技术的发展 互联网通信手段也被不法分子用于 高速公路逃费需求信息的发布 甚至有个别不法分子通过互联 网出售已激活的O B U 标签 以牟利为目的帮助不法车辆偷逃通行 费 作案主体也由过去的个人行为演变成专业化的团体作案 目前常见的E T C 逃费行为分为如下几类 l 一车多签 O B U 在同一车辆上安装 携带 多个 O B U 当车辆通过E T C 入口车道时 车道系统均与O B U 进行交易处 理 以致不法车主将已写入入口信息的非现金支付卡用于 跑长 买短 倒卡换卡 等逃费行为 2 篡改O B U 信息 目前 E T C 车道多为无人值守车道 以过 往车辆通过O B U 中记录的车型信息为依据 不法驾驶员一般采用 以下行为进行O B U 车型信息篡改 O B U 发行人员因人工失误或合 伙逃费等 将低型车的车型信息写入至高型车的O B U 中 致使高 型车在通过E T C 车道时可按低型车进行收费 将低型车的O B U 拆 卸并安装至高型车中使用 达到逃费的目的 3 跟车或强行插队闯卡逃费 不法车辆利用正常E T C 交易 车辆在交易后但尚未驶入车道区域的间隔 强行插队至正常交易 车辆之前使出道闸 造成正常交易车辆被拦截 或紧随正常交易 E T C 车辆驶离车道从而逃缴通行费 4 货运车辆冒充客车逃费 厢式货车假冒客车 外形与面 包车等车辆非常相似 利用假的证件或其他方式安装O B U 然后 载货通行E T C 车道 二 收费稽查图像取证系统 针对高速公路不法车主偷逃通行费的行为 各道路运营单位 当前都已经采取各种手段识别嫌疑车辆 稽查通行信息 追缴通 行费以及追究当事司机的法律责任 如非法车辆视频取证 车道 黑名单车辆比对拦截等技术手段 针对以上逃费类型和当前面临 的主要问题 本文提出的高速防逃费数据稽查系统可有针对性地 解决数据共享 证据提取 证据链管理等问题 本系统设计充分考虑到现有运营系统的稳定性 采取独立 于收费系统的形式 对现有高速公路业务生产系统不带来任何影 响 连接收费系统和高清车辆图像采集两大系统 将通行信息 视频监控数据最大限度融合 实现车型数据的结构化存储 为后 期的数据检索和存储带来极大便利 一 系统架构 万方数据 高速公路防逃费数据稽查系统依托现有高速公路收费车道收 费系统 车牌识别系统 高清卡口系统 视频监控系统等基础设施 通过区域性的防逃费系统平台和站g 7 台实现跨路段的数据共享 逃费信息提取和证据链管理 经过本系统稽查产生的黑 灰名单信 息可以下发到各路段和收费车道 通过沿线的高清卡口系统 收费 站车牌识别系统识别黑名单车辆并拦截 追缴通行费 同时高清视 频监控系统针对执法过程做视频记录 可有效还原事件现场 二 系统功能 收费稽查图像取证系统与过车图像采集系统 收费系统协同 实现防逃费业务 其中部分可疑行为检i f J l l 黑名单上传下发过程 沿用当前收费系统功能 证据提取 可疑车辆筛选 逃费证据链 管理和存档是本系统的核心业务 高速公路E T C 收费口对每一辆 过车采集一张前视图片 每天保存的图片可达几十万张 每天系 统的图片处理能力达N 3 0 万张 因此需要部署多台服务器并行处 理图片才能完成每天的图片处理 部署服务器的台数要根据图片 的数量规模来定 l 收费车型分类识别 识别车辆的车辆类型 车身颜色 车辆品牌型号年款 收费 车型分类及车牌号码等信息 把非结构化的图片转化为可以检索 的结构化数据 2 稽查车型比对分析 根据车辆的识别结果与数据库中E T C 注册的车型进行比对分 析 筛选不一致的嫌疑车辆 3 人工陕速审查核对 根据系统自动筛选出的车型不一致的车辆图片 进行人工 审查核实 从车辆的细节特征和车辆的注册数据方面进行人工确 认 方便用户陕速核对数据 4 稽查比对分析报告 根据系统比对分析的结果证据 给出车辆的过车记录统计和 实际收费数据 固化相关证据链 形成车辆稽查取证报告 5 车辆收费比对分析 对系统稽查的车辆进行统计分析 根据用户需求定制各种报表 三 部署方式 高速公路E T C 收费口采集的图片保存在前端的D V R 或N V R 系统 上 需要通过内部局部网将所有抓拍的过车图片上传到中心的图片 存储服务器上进行集中统一的存储管理 终端用户可通过稽查系统 的客户端界面查看抓拍的E T C 过车图片 系统部署框架如图l 所示 l 服务器 可对E T C 收费口抓拍图片进行车型识别分析处理 将每辆车 的品牌 型号 年款和收费类型以及车牌号码等分析处理数据结 构化保存到数据库中 收费稽查系统从数据库中将过车的车型数 据与E T C 卡注册的车型数据进行比对分析 c 善一 2 客户端 是方便用户操作的应用程序 用于查看当前接入收费口的所 有E T C 过车的车型数据以及结构化分析数据 可通过实时比对分 析进行报警和形成各种形式的报表 展示过车的统计报表如柱状 图 饼图 曲线图等能够让用户及时了解稽查数据 用户可以根 据收费图片的数量决定服务器部署的台数 系统平台可以无缝接 入 系统客户端操作界面如图2 所示 四 核心技术 l 基于深度学习的车型识别 深度学习模型是可以建立 模拟人脑进行分析学习的神经网 络 在无外界指令的自发条件下 深度学习网络自主学习 得到 目标结论 利用千万级数据 训练多层深度的神经网络 每个目 标区域采用上百个不同的局部区域进行特征抽取 表达目标的全 局及各种局部特征 在特征表达过程中产生将近1 5 亿参数 具有 6 0 0 万维度的特征 通过特征降维 选取最能表达目标特征的向 量作为该目标的特征向量 深度学习的实质 就是通过构建具有很多隐层的机器学习模 型和海量的训练数据 来学习更有用的特征 从而最终提升分类 或预测的准确性 通过利用大数据来深度学习各类信息 特征 更 能够刻画数据的丰富内在信息 从而得出更多元 更精准的厂牌型 号及其他信息 在现有深度学习模型的基础上 采集现有高速监 控视频 收费站卡口相机产生的数据 通过迁移学习 获得的模型 更加贴近行业实际应用 核 技术层级示意如图3 所示 2 车辆类型识别引擎 对E T C 收费口抓拍图片中所有车辆进行车辆类型 车身颜色 车辆品牌型号年款 收费车型分类及车牌号码等信息的提取 识别 和记录 使系统对过往车辆具有更多结构化语义描述 方便地采用 更多的信息及组合进行车辆E T C 偷逃缴费套牌比对 为确保识别精 度始终处于高位 应持续对车型库进行学习和训练 及时补充和 更新车型信息 车辆基本特征应用案例如图4 所示 万方数据 技术 9 7 3 车型识别准确度 9 3 4 车牌识别准确度 9 5 5 车辆颜色准确度 9 0 6 支持识别车辆种类 3 0 0 0 多种 F 图5 车辆特征关键要素 7 支持识别车辆分类 1 0 种 小车 面包 S U V M P V 皮卡 客车 货车 中巴 三轮 卡车 8 支持识别车辆颜色 1 0 种 黑色 白色 灰色 红 色 黄色 绿色 蓝色 紫色 粉色 棕色 三 结束语 本文针对E T C 全国联网收费背景下偷逃费现状进行了分析 并提出了一种应对高速公路逃费现象的收费稽查图像取证系统 该系统依托现有高速公路基础设施系统 通过对E T C 过车图像进 行车型识别 数据挖掘 数据整合 识别逃费现象和提取逃费证 据 自动分析E T C 车型与注册车型是否相符 与依托硬件设备的 车型分类系统相比 该系统具有硬件基础设施投入小 在原业务 系统之上增量部署的优势 旨在对当前逃费现象实施行之有效的 稽查和处理手段 保障高速公路投资运营者的合法权益 蟹责任编辑崔譬薇 万方数据

内容简介：

-