基于行驶特征画像的高速公路车辆逃费风险神经网络预测模型  

作　　者：宣淑敏 张波 孙浩宇 马静 王磊 靳引利[1] 田纪磊 

机构地区：[1]长安大学电子与控制工程学院,陕西西安710000 [2]陕西交通控股集团有限公司,陕西西安710000 [3]陕西蓝德智慧交通科技有限公司,陕西西安710000 [4]陕西省高速公路收费中心,陕西西安710000

出　　处：《物联网技术》2023年第8期20-24,28,共6页Internet of things technologies

基　　金：陕西交通控股集团有限公司运营管理分公司科研项目资助——基于大数据车辆画像的高速公路收费稽查研究(2019-15k)。

摘　　要：为维护高速公路运营秩序,对逃费车辆进行精准稽查,提出一种基于车辆单次行驶特征画像的高速公路车辆逃费风险预测模型。先通过设计稽查判断特征集和稽查结果特征集来刻画车辆单次行驶特征画像,从车辆行驶路径、时间、费用等方面建立车辆行驶异常的约束条件,再建立BP神经网络算法进行训练。在利用神经网络建立高速公路车辆逃费风险预测模型时,对某交控集团稽查系统提供的16 718条稽查数据进行分析,该数据由车辆收费数据、单次行驶特征画像数据、稽查结果三部分组成,最终得到精确率为90.784%的模型。与传统算法相比,该方法拥有较高的准确率。文中还进行了车辆单次行驶特征画像的研究,能在识别和预测逃费行为的同时,清晰了解车辆异常行驶特征,体现其逃费方式,为稽查系统提供有力证据。

关 键 词：高速公路 逃费预测 车辆行驶特征画像 神经网络 特征选取 车辆稽查 

分 类 号：TP39[自动化与计算机技术—计算机应用技术] U491[自动化与计算机技术—计算机科学与技术]