取消省界收费站背景下收费稽查平台研究与设计

朱彦蓉

摘要：文章针对取消省界收费站后，高速公路收费管理工作面临的单车逃费金额增加、跨省逃费稽查难度加大、偷逃通行费行为加剧等一系列问题，提出一种集稽查、追缴、征信为一体的收费稽查平台功能设计，为运营管理提供智能化的辅助手段，便于新型收费模式下收费管理工作的进一步实施和改善，促进高速公路运营有序健康的发展。

关键词：取消省界收费站;高速公路;收费稽查;通行费

0 引言

2019年，全国取消高速公路省界收费站（以下简称“撤站”）工作如火如荼进行，从工程建设攻坚战，到全国ETC推广热潮，再到部省两级系统的联调联试，全国各地都在全力保障撤站工作顺利完成。撤站后，全国高速公路将真正成为“一张网”，省与省之间的“屏障”消失，车辆在行驶过程中可完成计费、扣费动作，给广大司乘人员的出行带来便利。但与此同时，在复杂的路网环境下，由于ETC车辆比例的大幅提高，逃费行为将更加高科技化、多样化、隐蔽化，给收费稽查工作带来严峻的挑战。

因此，建立完整的稽查、追缴、征信体系，构建完善的高速公路收费稽查平台成为必然，同时也为开放式无站自由流收费奠定基础。

1 背景分析

根据《国务院办公厅关于印发深化收费公路制度改革取消高速公路省界收费站实施方案的通知》（国办发〔2019〕23号）的要求，对现有高速公路收费模式作出重大调整：由“封闭式收费制式”调整为“开放式收费制式（保留入/出口收费站）”，由统一收费改为分段计费，同时货车调整为按车型收费，收费采用的是电子不停车快捷收费（ETC），辅以车牌图像识别、多种支付手段融合的技术路线。通俗地说，高速公路从实体收费站“移交”给虚拟收费站（ETC门架），并依托ETC门架系统对经过的车辆实现不停车计费和扣费。这一调整将极大地提升高速路网通行效率，促进物流降本增效，为人民群众提供更便捷的出行服务，助力我国交通强国建设。但同时，在开放式收费制式下，分段计费的方式会使高速公路交易场景更为碎片化、高频化，不仅会诱发各种偷逃通行费的行为，漏收、错收等异常情况可能也会随之增多。

2 设计原则

取消省界收费站后，门架系统的稳定性、可靠性、准确性是虚拟收费站的关键，而道路情况复杂多变，错漏风险变得难以把控，因此在技术保障方面会面临着重大挑战。我们应結合大数据、云计算、物联网、人工智能等技术，为收费稽查管理提供多重保障。

2.1 高可用性

图像数据的高可用性。稽查数据主要来源于高速公路门架、服务区、收费站出入口安装的摄像机所采集到的抓拍图片数据、视频监控数据、车牌识别数据等，其中包含了人员、车辆、路网、环境等多种信息。图像数据的可用性将直接影响后续的稽查分析及追逃。因此，需结合物联网、人工智能技术，利用智能算法提升图像质量，充分保障数据的可用性。

2.2 高准确性

数据分析的高准确性。稽查工作主要依托数据进行对比、分析、处理所产生的结果，结果的准确性将直接影响决策和效益。因此，要基于大数据技术，结合统计学、机器学习等多种分析方式，注重模型训练及核心算法研究，强化数据处理的准确性校验，实现减少人工校核成本、提高效益的目的。

2.3 高时效性

稽查工作的高时效性。稽查的过程需要掌握车辆实时动态，对其进行布控追踪，数据的实时回传和高效分析处理是关键，要避免出现“前脚刚走，后脚拦截”的问题，从而错过最佳稽查时间，增加后期追逃难度。

3 平台功能结构设计

3.1 业务流程

收费稽查平台的整体流程为全体系闭环管理，通过发现差异、开展分析、判断类型、追逃跟踪、全程记录、有效上报这六个环节完成稽查过程。首先通过采集获取收费站出入口、门架、服务区等地方的通行数据、图像数据等记录后，经过数据清洗，完成对数据的初步审查和校验。再通过建立的稽查模型开展数据分析，当发现车辆有逃费嫌疑时即开展自动跟踪，保存初期证据链。并通过人工数据校核确定车辆的逃费性质，同时计算出车辆的实际逃费次数和逃费金额，对其纳入征信管理。其中，对错收漏收等异常情况纳入征信灰名单，通过发送短信等形式通知提醒追缴补漏等，对恶意逃费的情况则纳入黑名单并上报至上级稽查平台，实现全国高速公路车辆征信库的数据统一，然后对黑名单车辆开展车道拦截，追缴逃费。整个过程中相关数据独立保存，最终形成逃费证据链，归档处理。具体业务流程设计如图1所示。

3.2 平台结构

收费稽查平台的设计思路是融合大数据、人工智能、云计算、物联网等多种信息技术，形成集车辆逃费行为分析、车辆监控预警、征信管理、案宗管理、数据统计等多种功能于一体的服务平台，为高速公路管理部门的收费业务提供技术支撑。平台总体结构设计分为数据层、数据管理平台、人工智能引擎库、展示层等，如图2所示。

（1）数据层：数据是收费稽查平台的基础和支撑。数据层汇集了平台所用到的数据资源，包括收费流水、门架数据、多义性路径识别系统（卡口）、站点信息、车辆车型库、灰黑名单系统数据等结构化数据以及视频数据、图像数据等非结构化数据。

（2）数据管理平台：对数据层中来自不同智能感知设备和业务系统的多源、多维、异构的海量数据进行清洗、集成、变换、归约等数据融合预处理操作，实现数据从非结构化到结构化的转换，形成高质量的可用数据集，并实现海量数据高并发、高效率的存储、提取和计算，建立统一的数据资源管理平台，构建高速公路基础信息、车辆信息、收费数据、主线/服务区数据、道路监控数据等智能收费稽查的基础和分析数据库。

（3）人工智能引擎库：利用深度学习技术对数据进行深度挖掘和多维度、深层次、多方位分析，发掘数据中蕴含的规律、知识及价值信息。通过时空分割、特征提取、目标识别等手段，实现对视频图像内容的文本化解析，准确地对场景中的“人、车、道路”进行检出识别和提取可用信息，建立大车小标（伪报车型＼＼轴数）、一车多卡、只入不出等多类模型，采用卷积神经网络（CNN）等机器学习技术不断代入实时数据训练和完善模型，建立分析数据集，为收费稽查提供高质量、可用的基础和分析数据。

（4）展示层：代表了平台与用户之间的交互，为用户提供统一的访问入口和智能化应用。

3.3 主要功能

（1）稽查分析：对疑似逃费的车辆开展分析预判[1]。通过建立的模型匹配车辆的逃费行为，记录逃费节点并推送给路段稽查人员，在稽查人员进行灰黑名单处理之后，便可自动进行稽查跟踪，同时自动输出车辆相片、车辆信息、逃费数据、车辆轨迹、逃费金额等证据链。此外，稽查人员还可以进行基础业务处理，包括数据查询（MTC/ETC出入口通行记录查询）、过往车辆监控等。

（2）征信管理：包含灰名单管理及黑名单管理功能，稽查人员可在该模块中对车辆的征信进行管理，包括下发追缴短信、形成追缴通知单、完结追缴逃费、解除灰黑名单、批处理等业务。

（3）布控车辆监控预警：通过大数据分析来预判逃费车辆的行车轨迹，以达到对布控车辆进行高效拦截追缴等。当列入灰黑名单的车辆（或手动添加的车辆）进入高速公路路段时，平台自动添加其为布控车辆进行跟踪。当车辆有新的通行数据进入平台时，即可在平台上提醒和进行GIS轨迹的绘制，并对逃费车辆接下来的预计通行路线进行高效的预判。

（4）案宗管理：实现对车辆逃费过程的全记录，生成完整证据链。证据包括通行明细、照片、追缴通知单、证件、收据、处理单等，支持稽查人员通过App或系统进行其他证据链的补充上传等操作。

（5）数据统计：形成月度、季度、年度的稽查工作报表、可视化图表。数据包括逃费数量、车辆类型、逃费金额、完成追缴情况等，从而提高稽查统计工作效率。

4 结语

本文通过对取消省界收费站政策的研究，结合高速公路管理单位的收费业务现状和需求，深入分析收费稽查业务管理全流程，利用大数据、人工智能等新技术手段构建收费稽查平台，帮助高速公路管理单位科学、智能、有效地打击偷逃通行费行为，堵漏增收。同时，平台的建设还涉及跨省收费清分结算的问题，除了选择合适的技术路线以外，还需要相邻两省在政策统一、联合稽查、信息共享、跨省合作等方面建立条件，真正形成全网一体的收费稽查体系，为跨省稽查打好基础。

参考文献：

[1]罗志伟.浅谈收费稽查辅助智能分析系统的设计应用[J].西部交通科技，2017（10）：97-99.