基于雷视融合车型识别的稽核系统方案研究

朱来俊

摘要 在现行高速公路收费机制下，偷逃通行费的现象屡禁不止，高速收费稽核是确保做到应收尽收，减少通行费损失的重要环节。传统的人工稽核方式耗费时间、效率低，且易受人为因素影响。文章提出了一种基于激光雷达和视频车型识别的高速收费稽核方案，通过边缘计算技术对车辆信息进行处理，建立可信车型库，并通过大数据分析技术实现车辆画像的生成。试点验证结果表明，该方案在车辆识别率和稽核效率方面均有显著提高，可以为高速公路收费系统和稽核系统提供可靠的应用支持。

关键词 雷视融合；车型识别；车辆车型库；车辆行为画像；收费稽核

中图分类号 U495 文献标识码 A 文章编号 2096-8949（2023）16-0001-04

0 引言

2019年底撤销省界站以来，高速公路建成了以ETC系统为核心的收费系统，形成了全国“一张网”的运营格局。撤销省界站使跨省通行车辆不再受省界收费影响，收费方式变为“多省门架计费、出口收费”，跨省车辆单次通行费大幅度增加，部分司乘人员在利益驱动下，利用非法手段达到逃费和少缴通行费的目的，改变车型、屏蔽通行介质、跑长买短等典型逃费方式不断演变，使稽核打逃工作面临新挑战[1]，相关工作量大大增加。

部中心也不断细化完善稽核业务规则，通过编写收费公路联网收费运营和服务规范，为全网收费稽核业务开展提供指导依据，确保稽核业务工作规范有序地开展。在业务规则建立的同时，中心也于2021年1月份上线了部稽核平台，完整闭环地支撑全网开展稽核业务。根据部稽核平台数据，发起稽核工单量逐月稳步增长，确认欠费额不断上升，“一张网”模式下稽核工作对维护正常收费秩序，保障通行费收入的重要性日益凸显。

目前，多数省份基本依托部、省级稽核平台开展高速收费稽核工作，但实施过程中也存在以下两方面的不足：

（1）节点感知能力弱：目前的收费站ETC车道、ETC门架及服务区等应用场景下，基本没有车型检测能力。

（2）稽核效率低，成本高：无可信的车型信息库和车辆画像，重点管控能力不足，全量稽核导致工作量大；信息共享机制差，导致重复稽核，效率低，成本高。

基于上述现状，该文提出了一种基于激光雷达和视频车型识别技术的高速收费稽核解决方案。该方案采用边缘计算技术，将图像信息和雷达信息进行融合处理，提高了高速通行车辆特征信息的感知能力[2]。同时，该方案還利用大数据处理技术，建立可信的车辆信息库[3]，进行了车辆画像，实现了车型信息的共享和重点车辆监控，提高了车辆稽核的准确性和效率。

1 系统方案

针对高速收费系统和稽核系统的现状，该文以下面几个方向为设计要点给出系统方案：

（1）提出了一种基于激光雷达和视频车型识别技术的高速收费稽核解决方案，能够实现高精度车型信息采集和高效率的车辆收费稽核。

（2）采用边缘计算技术和车型库技术，降低了数据传输和处理的成本，并提高了准确性和效率。

（3）设计并实现了一个原型系统，证明了该文提出的解决方案的可行性和有效性。

1.1 系统总架构

该文构建的基于雷视融合车型识别的稽核系统，将高速公路关键路径的节点感知设备统一接入，包括收费站入口、服务区、ETC门架和收费站出口等，利用节点感知能力获取车辆多维特征信息，以车辆号牌为主键，整合车辆的车牌信息、实际车型信息、历史计费车型信息等多维度数据，采用大数据技术动态为车辆精准画像，为业主建设标准化的高可信车辆车型库。可赋能收费站、门架等进行收费、计费及稽核，可进一步提高收费车型的识别准确率，有效降低车型判别人工介入概率，减轻收费人员工作量。基于雷视融合车型识别的稽核系统架构如图1所示。

1.2 系统网络拓扑

基于雷视融合车型识别的收费稽核系统由部署在收费站、服务区、ETC门架等节点的车型识别子系统及数据管控平台组成，其中数据管控平台可以部署在路段中心或者省级中心。系统网络拓扑如图2所示。

1.3 雷视融合车型识别系统

雷视融合车型识别系统由激光雷达和激光专用控制器、取证视频、抓拍相机等组成，其系统组成如图3所示。

1.3.1 激光雷达模块

激光雷达可以获取车辆的三维点云数据，包括车辆的长度、宽度、高度和形状等信息。该文采用万集科技研发的激光雷达，不仅具有高精度测距和定位技术，可达厘米级精度，能够更准确地检测车辆轮廓特征，而且激光雷达采用主动光源，不易受到环境光照影响，夜间识别较视频检测精准度更高。

1.3.2 侧装摄像机

侧装摄像机主要用于获取车辆的视频信息，并对其进行分析和处理。该文采用了YOLOv5算法进行车型识别，该算法具有较高的准确率和实时性。通过对车辆的视频信息进行分析和处理，可以获取车辆的颜色、轴数等信息，为后续的稽核提供基础。

1.3.3 抓拍子系统

系统包含抓拍摄像机及补光装置，每条车道配置一套，用于抓拍经过车辆的正面图片。系统还包含视频图片特征提取边缘机，用于对抓拍的图片或原始视频流提取车辆特征信息，并将车辆图片信息、特征信息上传给门架工控机。

1.3.4 数据处理子系统

数据处理子系统由边缘AI一体机组成，通过网络通信的方式实时接收激光雷达、侧装相机和抓拍子系统的数据，并在边缘侧执行数据预处理、算法模型等数据处理流程，得到车辆的结构化（如车牌号牌、识别车型、车辆轴数、行驶速度等）和非结构化的数据（车头图片、车牌图片、车侧图片、通行短视频），并在边缘AI一体机中进行多维信息融合，生成“1取证-1流水-1图片-1视频”稽核证据链。

1.4 系统平台功能

在节点门架的车型识别系统会精准感知车辆特征信息，形成结构化的数据，并通过专用网络汇聚到大数据平台。然后在平台侧会进行数据接收、数据清洗、数据计算和数据存储等数据处理，得到精准的车辆车型及稽核信息，为后续进行逃费稽核打下基础。在上述数据处理后，平台可以提供以下功能：

1.4.1 车辆行为画像和车辆画像库

车辆逃费行为画像是指对逃费车辆的特征、行为和模式进行分析和描述，以便识别和预测逃费行为。该文提出的方案利用大数据分析能力，可从以下维度对车辆进行画像。

（1）频率与时间。逃费车辆可能在一段时间内多次或频繁地进行逃费行为。通过分析逃费发生的时间段和频率，可以了解逃费车辆的行为模式和习惯。

（2）路段偏好。逃费车辆可能有特定的路段偏好，倾向于在某些路段上进行逃费。通过分析逃费发生的地点和路段，可以确定逃费车辆的常用逃费路线或逃费点。

（3）车辆类型与特征。逃费车辆可能涵盖不同类型和特征的车辆，包括私家车、商用车、摩托车等。通过分析车辆的类型、品牌、颜色等特征，可以辅助识别和追踪逃费车辆。

（4）支付方式偏好。逃费车辆可能倾向于使用特定的支付方式或逃避支付手段。通过分析逃费车辆的支付方式、账户记录等信息，可以了解他们的支付习惯和行为模式。

（5）行为特征。逃费车辆可能表现出一些行为特征，例如倒换交易介质、变更车种、有入无出等。通过分析车辆的行驶行为和模式，可以辅助识别和预测逃费行为。

1.4.2 车型信息和车型信息库

目前，高速收费公路通行费主要由费率和里程决定，而通行费费率主要由车型决定。该文所述的车型信息泛指以车型为主的车辆特征信息，包括了车牌号牌、车牌颜色、车型、轴数、车头图片、车身图片等。基于上述車辆特征信息，系统提供了以下功能：

（1）数据审核与验证。可以对车型信息进行审核和验证，确保数据的准确性和完整性。通过对数据源的验证和比对，检查车型信息是否与官方发布的数据一致，并排除潜在的错误或虚假信息。

（2）车型信息搜索与查询。提供车型信息的搜索和查询功能，用户可以根据车牌号、品牌、车型等条件进行快速查找所需的车型信息，提高信息的检索效率。

（3）信息共享和数据交换。平台可以与其他相关系统进行接口集成，实现数据的交换和共享。与部省稽核系统、收费站收费系统等进行数据接口对接，确保车型信息在各个系统之间的一致性和流畅传递。

（4）数据可视化与报告生成。平台可以提供数据可视化的功能，将车型信息以图表、报表等形式进行展示和分析，生成可视化报告，帮助用户更直观地了解车型数据的变化、趋势和统计信息。

1.4.3 重点车辆管控

通过车辆画像库和车型信息库，进行数据分析和模型预测，识别潜在的风险车辆，可以实现对两客一危、逃费车辆进行实时监测和跟踪，以确保车辆在高速通行中的安全性和合规性。同时，系统可以根据预警信息，对风险事件进行推送提醒，以便及时采取相应的安全处置措施。

1.4.4 信息共享和车辆拦截追缴

结合节点实时感知数据，平台可及时发现通行车辆逃费行为，包括大车小标、交换介质、一车多介质等异常车辆，然后通过车辆行为画像库预测车辆行驶路线，由中心人工确定异常行为后及时将该车加入黑名单，并下发派单给可能驶出的收费站稽核人员实施拦截稽核。

2 关键技术

2.1 雷视融合车型识别技术

采用先进的激光+视频融合技术，获取车辆点云信息和图像信息。系统基于多维感知融合，结合激光雷达、取证相机等不同技术原理的设备感知信息，运用传统经典算法和深度学习算法，分别提取车辆的局部特征和全局特征，从而实现综合决策，准确输出车辆收费车型，并且系统采用高频扫描式激光器，垂直向下安装，具有极佳角分辨率，无惧车辆并行遮挡，准确分车[4]。

2.2 边缘计算技术

通过边缘计算技术，可以将车辆特征信息的感知和数据处理放在边缘侧节点上，然后生成结构化的数据，减少数据传输的延迟和成本。在车辆稽核中，边缘计算可以使数据处理更加快速和实时，提高系统的稽核效率。

2.3 大数据处理技术

通过使用大数据技术，实现车型库的构建和管理，通过车辆图像的处理和分析，识别车辆的车牌号码、车型、颜色等信息，并将其存储在车型库中，为后续的车辆识别提供依据[5]。基于大数据技术和车辆信息库的车辆特征分析和行为模式挖掘，通过对车辆行驶轨迹、车速、停留时间、行驶路线等信息进行分析，建立车辆的行为画像，赋能高速收费和稽核系统。

2.4 车型行为画像技术

通过节点感知设备对车辆的特征信息进行采集，并提取出具有代表性的行为特征，利用数据挖掘和机器学习技术，对车辆的行为模式进行识别和分类。通过对大量的车辆行为数据进行训练和模型建立，识别出不同类型的行为模式。然后将车辆的行为特征和模式融合，建立车辆的行为画像模型，用以描述车辆额典型行为模式、习惯偏好，为收费稽核提供决策依据。最后，利用上述技术，可对车辆的行为进行预测分析、实时监控与报警，助力稽核人员采取相应的稽核措施。

3 系统有益效果

针对文首提到的现阶段各省稽核系统存在的节点感知能力弱，稽核效率低，成本高等不足之处，联合高速收费行业头部企业在贵州进行了该方案的试点验证，该文给出的稽核系统有效地解决了上述问题：

（1）在车辆信息感知维度，通过雷视融合方案获取车辆点云信息和图像信息，然后通过深度学习算法和雷视融合算法进行车辆多维特征感知，得到更精准的车型、轴数等车辆特征[6]。相比于传统的基于图像识别的车型识别技术，基于雷视融合的车型识别技术在复杂的天气和光照条件下具有更高的准确性和稳定性。

（2）在稽核维度，借助大数据技术和车辆画像技术，建立了可信的车型信息库，不仅是收费稽核的重要基础数据，还能赋能收费站、门架等场景进行收费和计费。

（3）在实时性维度，借助数据管理平台实现高效合理的业务流程，对疑似异常行为及时地进行人工确认，并下发收费站实施稽核拦截。

4 结语

该文提出了一种基于雷视融合车型识别的收费稽核方案。该方案通过激光雷达和视频车型识别技术快速准确地识别车辆车牌和车型等信息，使用边缘计算进行数据处理和分析，生成可信的车型库，能够在实时性要求较高的场景下稽核车辆，同时减少了数据传输的延迟和成本，降低了系统的运行成本。该文的实验结果表明，该方案的识别准确率和稽核效率较高，生成的车辆画像精度较高，可以有效应用于高速公路收费稽核场景。

参考文献

[1]专家谈“后撤站时代”的三大难点[N]. 中国交通信息化（公众号）. 2020-10-12.

[2]沈峰， 朱胜超， 吕剑. ETC分段式计费系统精准收费升级方案[J]. 中国交通信息化. 2021（6）： 106-108.

[3]刘雪峰， 张建勇. 基于车型库和图像识别的收费车型自动识别系统[J]. 交通科技与经济， 2020（2）： 76-80.

[4]信思旭， 马春香， 蒋佳男， 等. 激光式ETC防作弊系统解决方案探析[J]. 中国交通信息化， 2018（4）： 101-103.

[5]邱梦婕， 于利民， 赵宝华， 等. 基于车型信息的ETC收费稽核方法[J]. 交通信息与安全， 2020（2）： 128-133.

[6]张亮， 李泽湘. 基于车型信息的高速公路收费稽核技术研究[J]. 公路， 2021（3）： 277-284.