如何构建基于数字化与智慧化的全网稽核体系?

在全国高速公路联网收费新的环境下,AI智能识别与大数据分析技术的引入为高速公路收费与稽核管理提供了全新的解决方案。如何在新形势下利用新技术构建高速公路稽核管理体系,将是未来重点考虑的方向。在近期举办的2020全国高速公路“一张网”营运管理及关键技术研讨会上,广东交通集团运营部部长刘小峰对基于数字化与智慧化的全网稽核体系构建提出了自己的思考。以下为刘小峰演讲的部分内容节选。

在一张网新形势下,跨省通行偷逃费影响度扩大,全网稽核协同难度加大,逃费方式改变传统稽核模式无法适应,逃费方式多样对稽核技术要求更高。

1

稽核目标

当前背景下,稽核目标主要包括四个方面:
第一,构建规则明确、标准统一的全国高速公路联网收费稽核闭环体系;第二,构建各省稽核工作质量评价体系,对各省稽核工作开展标准化、规范化评价;第三,建立一套车辆拦截、通行费补费系统。同时建立合理分配机制,激励各参与方积极开展稽核工作。第四,构建全国高速公路通行车辆、用户特征档案体系,实现与第三方信用对接,为收费保驾护航。

2

稽核业务

内部稽核包括运营管理稽核、收费稽核、发行稽核等。
外部稽核包括改变缴费路径、改变车型 / 车种、利用优免政策、恶意屏蔽OBU、改变载货类型等。

3

稽核参与方

  • 部中心:制定稽核规则,统一指导全网稽核工作;跨省车辆稽核;基础信息统一管理。

  • 省中心:主导本省稽核工作、稽核本省/协查跨省通行逃费车辆、本省基础信息管理。

  • 区域/路段中心:稽核本路段通行逃费车辆;逃费信息采集;逃费车辆拦截,逃费车辆追缴。

4

稽核思路与理念

  • 多层次稽核:全网通行的模式下,需要部-省-路段/区域多层级协同稽核。

  • 多样化稽核:采用移动稽核+固定稽核+集中事后稽核相结合方式。

  • 多源路径还原:提供卡内路径、兜底路径、在线计费路径多种路径信息,辅助稽查。

  • 新技术手段:新模式下延伸出更多的新逃费方式,驱使采用AI稽核、基于神经网络视频分析、大数据分析、行为预测等新技术手段进行打逃。

5

稽核业务流程

(1)数据采集:车辆入出口流水、车辆图像识别流水、ETC门架交易流水、特殊事件数据、绿通预约、查验数据等。
(2)数据分析:出入口车牌不符、超时行驶、闯关、路径异常。
(3)欠费行为确认:生成欠费车辆信息,形成欠费车辆信息库;生成欠费证据链,包括车辆图片、视频等。
(4)通行费补费:支持用户自助线上或线下补交通行费、发行方补扣通行费。
(5)稽核名单管理:生成车辆稽核黑灰名单,形成名单信息库;稽核黑灰名单查询。
(6)车道拦截追缴:当黑名单车辆驶入或驶离高速时,在车道利用高清车牌识别和收费系统拦截功能,对黑名单车辆实施拦截和通行费追缴。
(7)移除黑名单:当车辆补缴完所有历史欠费,车辆从黑名单移除。

6

构建稽核体系架构与系统功能

(1)核心功能
  • 外部稽核:通过对外部嫌疑行为挖掘,对疑似漏逃费车辆、行为进行稽核,完善证据链,最终确认是否逃费。

  • 内部稽核:挖掘收费公路管理单位、发行方等内部管理疑似违规行为;对内部管理疑似违规行为下发整改工单,进行整改。

  • 稽核名单管理:将确认逃费的车辆加入到信用黑名单,进行全网共享、拦截。

  • 通行费补费:提供线上、线下两种方式对逃费车辆进行补费。

  • 车辆档案:为车辆建立档案,包括车辆的基础信息、通行信息、逃费信息等情况,为车辆进行信用评价,为后续实现全面开放式收费提供保障。

  • 异议处理:为用户提供发起异议功能。

  • 个性化模型管理:数据分析模型、特征分析模型等。

  • 车辆稽核:北斗定位路径分析、异常车辆识别流水分析、异常出口流水分析、异常入口流水分析、异常门架流水分析等。

  • 稽核任务管理:ETC稽查工单、MTC稽查工单、稽查结论、协查工单、发行稽核等。

  • 特殊事件管理:特殊事件登记、特殊事件复核、特殊事件查询、特殊事件稽核等。

  • 名单管理:重点关注名单管理、预追缴名单查询、追缴名单查询、特殊车辆名单查询等。

  • 查询工具:出入口流水查询、行驶路径查询、车辆识别流水查询、通行卡流水查询、费率查询等。

  • 稽查统计:特殊车辆统计、逃费车辆统计、稽核成果统计等。
(2)核心能力
个性化模型分析能力:模型分析、特征分析、用户画像、车辆画像。
基于视觉神经网络的AI分析能力:AI自学习(特情车)、图片和视频的结构化分析。
大数据分析预测能力:路径分析、基于波动理念的逃费预测。
(3)基于用户画像抽象出用户行为特征分析
高速公路用户画像:即采用静态与动态标签相结合的方式,通过收集与分析高速公路用户主要信息的数据之后,对用户的行为进行分析与识别,完美地抽象出一个用户的特征。
通过入口流水、出口流水、门架流水、牌识流水等内部数据,在新收费模式下,以车牌号,辅以客货标识、车型为唯一标识,构建“用户画像”。
基于用户画像抽象出用户行为特征实现对当前通行车辆的预判,主要包括以下四个方面:
  • 数据采集:数据采集-用户行为相关的数据,尤其是车辆逃费相关的“痕迹数据”。

  • 特征分析:一方面是对数据加工与分析,形成静态标签;另一方面是对数据加工与分析,形成动态标签。

  • 用户画像:通过用户画像,找出信用评级差(重点稽查)的用户。通过用户画像,找出逃费可能性高的异常流水,重点稽查。

  • 应用场景:支持现场疑似逃费行为登记;支持现场特殊情况登记,事后稽查;支持现场抓逃布控;支持现场逃费证据查看;支持现场逃费补缴。
(4)基于视觉神经网络AI分析
  • 数据采集:车辆图片、交易流水、车辆视频等;

  • AI分析:车牌识别、车辆识别、车辆ReID;

  • 精准打逃:精准筛选出货车客标等存在大车小标逃费行为的车辆。
(5) 系统大数据分析
在路径分析方面,通行流水数据、图像识别数据、车辆ReID等信息,通过还原路 径(根据图像、视频等还原实际路径)、异常分析(筛选出存在路径/地点/时段异常)、路径分析 (结合收费数据分析不完整路径),实现异常路径检测&预测与按需稽核。
下一步,需要重点关注以下几点:加强前端数据治理、建立并完善车辆信息库、构建基于数字化和智慧化全网多级稽核体系、建立和完善联合打逃机制、推进交通行业信用体系建设。

编辑整理 | 户利华

来源 | 2020全国高速公路“一张网”营运管理及关键技术研讨会
(0)

相关推荐