人工智能在ETC中的应用研究

(1.广东中视信息科技有限公司杭州分公司，杭州 310000；2.广东中视信息科技有限公司，广州 510000；3.北京中关村智用人工智能研究院，北京100040)

0 引言

汽车行业高速发展，即将迈入智能驱动时代，而电子不停车收费系统(Electronic Toll Collection，ETC)作为车联网的重要信息载体必将发挥其可拓展、可丰富的提升作用。ETC作为一种信息技术的服务模式，与移动互联网、银行、停车场等第三方服务商拓宽合作方式与渠道，必将产生大量的数据信息。通过大数据技术与AI赋能ETC，将给大众出行车生活带来新的变革。

1 ETC发展现状及对人工智能落地的机遇

1.1 ETC发展现状

汽车保有量的增速为ETC发展奠定了量的基础。截至2020年年末，全国民用汽车保有量为28087万辆(包括三轮汽车和低速货车748万辆)，比2019年末增加1937万辆。中国千人汽车保有量为173辆，与相近经济水平国家的千人汽车保有量相比仍处于相对落后的水平，预计未来十年中国汽车保有量将维持年均5%的速度增长。在国家出台的政策的影响下，ETC近两年内发展势头迅猛，国务院要求2019年年底前各省(区市)高速公路入口车辆使用ETC比例达到90%以上[1]。截至2020年年底，全国高速公路ETC使用率超过65.98%，其中客车ETC使用率超过70%，货车ETC使用率超过53%。随着城市化进程的不断加快，人民生活水平的不断提高，我国城市汽车保有量逐年增加，ETC市场呈现不断扩张的趋势。在车联网概念中，ETC可以作为基础设施建设。ETC的大范围、大规模普及，将会为车生活服务行业带来新的突破口。

以ETC为代表的车载设备收费技术符合价值链中各方对高效便捷收费和多元应用服务的需求，未来将引领一代自由流收费技术进入快速发展期，并提供多元化的收费服务[2]。在5G网络高速发展的带动下，ETC与车联网、人工智能技术结合发展空间巨大。车联网逐步实现外联，将信息通信技术整合到ETC设备中，将增强ETC的智能功能研发与扩展，智能联网的ETC会成为车联网领域用户数据最大的信息载体。并且，通过建立人、车、支付三者的联系，ETC将快速覆盖车生活服务行业的各种场景。

1.2 人工智能落地机遇

目前，正处在一个人工智能可以落地生根发芽的时代。得力于物联网、互联网的高速发展，信息化、数字化建设融入人们生活的方方面面，数据平台的数据采集来源丰富且全面；得力于大数据、云计算技术的创新升级，集数据储存、分析、挖掘、计算为一体的数据平台为人工智能奠定坚实的基础；得力于硬件科技的进步，数据平台的算力大幅度提升，为人工智能落地应用提供实现可能。

ETC实现“车与人”的联网，在更深层次的“人与人”的服务连接方面拥有巨大的潜力[3]。基于已有的ETC网络和框架系统，ETC与车联网(Vehicle-to-Everything, V2X)技术结合能快速实现对于安全和效率至关重要的车路协同(Infrastructure-to-Vehicle, I2V)应用，从而为未来的5G应用落地提供场景支撑[4]。如此一来，车联网的外联问题就得以妥善解决。

通过5G技术，车辆数据在低时延的条件下，被传输至云计算服务器，为人工智能提供大量的数据养料。其中不仅包括车主信息、车辆信息，还包括车辆通行行驶信息与服务支付信息。海量数据为人工智能应用打下坚实基础，与城市交通行业结合可为城市智慧交通提供算法模型支持，与智能汽车行业结合可为人工智能在自动驾驶领域贡献力量。

同时，由于ETC的发行量不断积累，ETC所产出的庞大服务数据容易带来信息过载问题。人工智能大数据推荐系统是解决信息过载最有效的方式之一。推荐系统不需要用户提出明确的要求，而是通过对用户的历史行为信息的分析，对用户的兴趣爱好进行建模。在此基础上，对用户推送其可能感兴趣、可能有所需求的信息。在车生活服务行业领域，相关企业将ETC数据与本企业产生的业务数据进行协同挖掘，从而获得用户的需求兴趣。

2 ETC拓展应用

ETC系统最初是为车辆高速公路或者桥梁无需停车而能自动收取高速公路或桥梁费用而设计的。随着互联网的快速发展，企业也在创新变革，ETC面对互联网企业的挑战以及用户多样化的需求，需要不断探索新的发展方向。ETC产品正在从高速公路走向城市，为城市生活注入新的活力与服务。2021年，交通运输部将推进12件民生实事，其中就包括开展ETC服务专项提升行动，拓展ETC在停车场、加油站的应用[5]。ETC使得专注于解决车的“住”与“吃”的商业端(B端)企业拥有了数据化运营的基础，通过对过往数据的挖掘与建模，对停车场、加油站的流量进行预测，提升车辆管理的效率。ETC兼容原有的收费系统，大幅度降低漏收损失风险，方便经营情况的统计查看。有效利用丰富的数据信息可以对停车场、加油站指定经营决策提供量化的数据支持，帮助其提升经营效益。

2.1 ETC在停车场的拓展应用

利用ETC应用，停车场可以有效提升运营效率、节约成本并解决人员管理问题。传统停车场存在出入口通行等待，由停车场工作人员驻场收费，车位信息不及时准确的问题。通过ETC拓展应用，经营者能够对停车场进行数字化管理干预，从根本上解决行业痛点。

具体来说，ETC停车场无人自动收费系统是通过车载设备(On Board Unit，OBU)与停车场ETC车道内的微波设备进行通信，实现不停车扣费功能。这种短距离的通信数据传输方式在安全性、传输速率方面都具备很大优势，对汽车放行的快速响应具有天然优势。车内OBU能实时上传车辆数据、车主信息数据等，为城市交通微观数据采集提供详尽可靠的数据来源，为停车场场内的留存情况、流量预测提供实时性更强的数据源。数据信息同步到线上，为实现停车场“线上到线下(Online-to-Offline，O2O)”模式奠定基础。数据的实时监控与更新，配以精确的算法计算，车主可以在线上了解到各个停车场的实时情况。以此，车主可以有选择地进行车位预定，设定入场时间以及计划停留时长，停车场场内系统接收车主预定信息，采用ETC验证方式对进场车辆进行识别，从而解决车主端出门停车难的难题，减少停车场端由于位置分布难以被车主发现等因素而导致的车位利用率低的损失。

ETC在停车场的应用可帮助停车场与车辆服务行业紧密融合，共同实现整个价值链业务的增长。洗车服务商连通停车场数据运营，检测车辆停留时长、车辆通行记录等信息。这种服务融合可以实现服务的实时推送。车辆服务供应商根据停车场与目标客户预计终点位置，预测目标客户在旅途中可能需要的服务。使用适宜的触达方式提供服务，提升服务转化率，从而实现停车场与相关车辆服务商共同实现业绩增长，提升利润率。

2.2 ETC在加油站的拓展应用

ETC加油站解决了客户支付、开具发票、加油缓慢的痛点问题，大幅改善车主的加油体验，同时对降低站内安全风险、缓解站内车辆拥堵起着积极作用。利用ETC的识别支付特性，在加油站内车辆可以作为移动的付款机器。车辆只需要在指定的加油位置，利用加油站顶棚的通信扣费系统与加油车辆车内的OBU进行交互通信，用户便可以完成整个支付过程。用户无需下车，降低人员站内走动造成的风险隐患，也极大地节省用户时间、提升车主加油体验。

加油站可以根据ETC数据对用户进行获客、存留，并提供营销服务，例如ETC在支付过程中产生电子发票数据，并投递到用户的设备上。电子发票数据可以用于识别用户消费习惯，而电子发票的投递过程为加油站的营销业务提供了一个有效且便捷的用户留存切入口。利用ETC支付产生的数据，加油站可以分析用户的加油消费偏好，制定与其对应的营销活动。而且，这类通知与电子发票一同触达用户，提高用户留存几率，帮助加油站进行二次营销。

ETC加油站可以利用其经营数据信息与汽车品牌商、汽车服务商、汽车零部件制造商等企业进行商业合作。以ETC加油站与汽车品牌商进行合作为例，加油站ETC支付数据可以为汽车品牌商定位用户，进行新车发布、车友活动发布、流失用户召回等用户运营活动。汽车品牌商与加油站合作为品牌用户发放加油补贴，实现三方共赢。

3 ETC拓展应用中的人工智能应用场景及案例

ETC办理、通行产生的巨量数据，为人工智能应用提供了基础支持。在ETC数据的数据统计分析、特征挖掘选取、趋势预测判断等方面，人工智能拥有自然优势。这种优势能够使ETC网络具备学习、感知与认知的能力，从而赋能ETC上下游相关企业以及拓展应用相关利益方，帮助企业实现缩减成本、扩大规模效益的商业目标。ETC拓展应用的人工智能应用场景可以分为智能运营场景、智能预测场景、智能营销场景、智能风控场景。

3.1 智能运营

对于车企来说，由于用户汽车交易更换频繁，极易在过程中丢失用户，导致用户留存率降低，运营活动无法开展；对于汽车服务商来说，由于低频的服务消费频次、较低的业务门槛导致服务入口非常分散，无法使用统一信息来源区分用户，导致用户统计很难准确，且用户粘性也无法增强。应用人工智能技术对把ETC数据作为统一用户识别唯一依据的海量大数据进行挖掘判别，可有效实现对用户营销全生命周期的精准把控。识别获取目标客户、运营活动个性化推送、易流失用户判断及挽回都属于智能运营范畴。

以运营活动个性化推送为例，传统的推广方式是投入大量推广成本做广告或者利用过往经验进行推送活动信息。这种方式既需要花费高昂成本，又无法保证推送转化率，具有极低的投资回报率。而人工智能对ETC支付中产生的大量消费信息进行学习，充分挖掘用户与商家之间的互动，根据用户信息、车辆数据、商户消费记录等信息构建协同过滤算法，针对运营活动提供推送规则和策略，可有效地进行个性化推送，为用户运营提供极大的精准性。

易流失用户判断及挽回也是智能运营的典型步骤应用。人工智能技术中的模式识别，根据ETC系统所采集的用户行为、系统业务日志等数据，可识别分类出易流失用户人群。再根据人工智能在大数据样本下的用户历史账单准确数据分析建模，判断出目标用户人群兴趣偏好，为挽回措施选择提供策略参考，从而定向对其进行挽留，实现迅速反应，尽可能地降低用户损失风险。与传统的用户留存运营方式相比，人工智能技术能够抽象出人群深层相似特征，目标人群聚类更加准确且使得用户激活反应更加迅速，对用户留存进行精准的保护。

3.2 智能预测

实现智慧交通，道路汽车流量预测是一个永恒的问题。基于对历史数据的分析，人工智能可对道路车流、交通网络状态等数据在未来一段时间内的变化趋势进行预测，从而帮助交管部门合理分配资源，及时发觉潜在交通风险并提供服务支持。在此场景下，人工智能的应用主要分为车流量预测、高速风险预测。

以车流量预测为例，为了应对机动车保有量高速增长所带来的道路车流量增长压力，交管部门需要车流量预测来为交通疏通、分流工作、实时把控策略实施调整提供判断依据。人工智能对ETC的通行记录、停车记录以及早晚高峰城市易堵路段道路车流量数据的建模分析预测，可以协助道路车辆通行情况以及道路拥堵时段与路段信息的判断，为交管部门合理分配资源提供参考，还可以为城市道路改造、停车场建造选址提供参考。ETC产生的大量通行数据可通过人工智能技术来分析车辆的起讫点、尖峰流量时段，使高速公路匝道仪控更加智能化，有效疏解塞车路段。

高速风险预测也是ETC拓展同人工智能技术结合的一个重要应用。传统的高速风险预测具有偶然性与被动性，交管部门统计事故频发的地段，做出提醒标记，并未综合考虑司机与其车辆信息。利用人工智能技术分析ETC通行数据、高速道路数据信息，针对高速驾驶速度特征进行提取，分析ETC车服养车应用数据信息，针对车辆质量维修特征进行提取，抽象道路信息；针对路面信息进行特征描述。综合人、车、路3方面相关数据，建立风险预测模型，可对未来一段时间内的高速事故进行预警，提高预防能力。

3.3 智能营销

对于传统营销行业，ETC数据作为对原来数据的补充和延展，使得原有的金融数据、时间维度构成的平面化数据升级到加上空间维度的更为立体的结构化数据。

人工智能技术对ETC支付结算数据的挖掘，可以丰富用户的出行习惯、生活习惯等一系列相关信息，从而构建出ETC用户群的用户画像，提供个性化营销服务。ETC与人工智能的结合赋能车服精准营销，打造“兴趣车服”专属服务，结合强化学习继承人工高智能自学习能力。在企业与用户的交互中，人工智能提升业务流程自由度，帮助车主服务企业营销定向化、精准化，提升企业订单转化率，节约企业的推广成本，推动车主服务市场的智能化与个性化转型。

以往，车服务消费低频导致消费信息难以整合及供数据分析使用。ETC解决了这一行业痛点，作为车生活最便捷的支付通道，可积累整合相关消费信息供B端企业分析运营。按照《公路电子不停车收费联网运营和服务规范》，“ETC”是实行一车一卡一标签，即ETC与人一对一强绑定，跟踪ETC数据可以获取该用户的信息数据[6]，从而推测出用户的消费水平、消费喜好、消费能力等，帮助B端促进用户活跃，提供个性化的车生活服务商品，促使交易的快速达成，提升商品转化率。根据各类服务商品的消费情况，可建立详细准确智能的产品分发机制、车生活的服务标准以及服务体系、评价体系，帮助行业发展。对于企业来说，提取市场反馈的信息再反作用于帮助融合或优化供应链，使得整个经营生态良性正向发展。

3.4 智能风控

ETC业务使人工智能在风控场景发挥巨大作用与潜能。ETC数据包含了车辆通行费支付的行为数据。在物流金融领域，金融机构可以根据这类数据评估风险，根据评估结果的不同等级发给司机对应的金融卡。其主要的数据特征包括高速车辆通行次数、通行历程数、高速通行费用支付方式、高速超速超载等违规行为、高速分时间段过路费评估等。通过物流公司总体的ETC通行数据，可以建模出风控模型来进行金融机构对企业的贷款风险评估。企业的经营状态也可以从对该类数据中分析得出。对于保险、二手车市场而言，利用机器学习算法，企业可以评估车辆的车险出险概率以及对汽车保险保额评估及定价。

4 结束语

本文对ETC拓展应用进行了介绍与分析，并对ETC应用人工智能技术的场景和案例进行了研究与对比，阐述了ETC所产生的数据在人工智能技术辅助下，对实际场景问题解决与提高行业能力的价值，而对于如何进行工程化的实际应用以及ETC与车联网络如何结合仍需要深入的研究。