基于云边端架构及大数据分析的高速公路稽查系统探讨

吴松

摘要：文章分析了国内高速公路通行费稽查系统建设和应用现状，探讨了应用云边端架构和大数据技术挖掘车辆通行数据识别逃费车辆、开发高速公路稽查系统的思路和设计方案，同时对稽查工作提出了实践建议，为运营单位开发稽查系统、开展稽查工作提供参考。

关键词：高速公路稽查;大数据;云边端架构

中国分类号：U492.8 +5

0引言

2020-01-01，全国29个省的487个省界收费站全部撤销，新建2.5万套ETC门架，5万多条收费车道完成ETC改造，全国的联网收费系统正式并入“一张网”运行。撤站后由于减少了人工通道，一些逃费现象未能及时发现并处理，给高速公路运营单位带来了大量的经济损失[1]。传统的稽查系统依靠规则触发以及人工检索车辆通行记录，工作效率低下，逃费检出程度低，且高速公路运营稽查工作按省、按运营单位分割，各省、各运营单位的标准、管理制度及流程各不相同，跨企业特别是跨省协调难度大，逃费查证难度大，给稽查工作带来了很大的困难[2]。

1现状分析

目前，大多数高速公路运营单位都建设了高速公路通行费稽查系统，在车辆出站时识别车辆是否有逃费行为。传统的稽查系统都是基于规则触发，如判断通行时间是否有异常，扣费卡通行路径与车牌识别路径是否一致等。基于规则的触发方式极大程度依赖于规则的准确性，而且只能对本次通行的情况进行判断，无法综合车辆历史通行情况分析车辆逃费的可能性;当司机提出本次通行有若干特殊情况，收费员很难进行核实，为避免拥堵或造成社会影响，往往只能放行。

许多省份都建立了基于大数据分析的稽查系统，综合通行记录、清分记录、牌识路

径，以及车辆照片，训练出逃费模型，将模型分析出的疑似逃费车辆添加到嫌疑名单，由稽核人员进行人工核实后，再将其录入黑名单。大数据分析不要求预设规则，只需要不断校准识别结果，大大提高了逃费识别效率。然而大数据稽查系统需要大量样本训练才能得出逃费模型，识别逃费行为滞后，并且逃费模型更新后司机的下次逃费行为才能被

[KG（0.12mm]识别出来，不能回溯分析司机的历史逃费行为，造成历史逃费行为不能受到处罚，司机仍会抱着侥幸心理逃费。

2解决思路

车辆在高速公路通行过程中积累了大量的数据，如出入车道记录、门架计费记录、抓拍记录、卡口抓拍记录、清分结果等，通过挖掘车辆在高速公路通行中积累的通行数据，可以精确识别出车辆的通行路径。由于各种数据上传的时间节点不统一，无法在车辆出站时收集完所有的通行数据进行分析，实时稽查的局限性很大（车辆离开收费站前完成稽查）。大多数稽查系统都是事后稽查，在完成清分后，通过数据分析，识别出车辆的实际通行路径，对比车辆的收费路径，识别出疑似逃费车辆，再由稽核人员人工核实确定逃费车辆。

绝大多数逃费车辆都具有重复多次的特征，将上一步骤确定的逃费车辆所有的通行记录重新抽取出来，用大数据分析这些通行记录，识别出疑似逃费行为，再交由稽查人员进行核实。由于分析的样本全部是逃费车辆的通行记录，样本精准，大大提高了分析效率。稽查人员核实逃费通行记录后，将车辆录入黑名单。在该车辆再次进入高速公路时，高速公路运营单位将对车辆所有历史逃费金额进行追缴，大大提高了车辆逃费成本，使得司机不敢逃、不想逃。

3设计方案

車辆的通行数据非常庞大，分散存储在各路段或收费站的收费系统上。传统的云计算技术把所有的通行数据全部抽取到省中心进行统一保存和分析处理，大大增加了省中心的存储成本与计算能力，随着路网复杂性的增加，将会使省中心的处理能力不堪重负。

云边端协同技术为解决云平台算力负担提供了解决方案，其核心思想是将云中心的功能根据计算的数据范围、计算的复杂程度以及实时性要求进行划分，将全局的、计算复杂的、非实时响应的功能保留在云中心，将局部的、计算复杂度低、需要实时响应的功能下放到靠近数据的网络边缘，如将大数据分析功能保留在云中心，将数据传输、存储、预处理和相关应用程序等部署至近数据源的边缘，实现数据的就近处理，提高响应速度[3]。同时数据经过边缘节点的预处理和结构化处理，再上传到云中心进行大数据分析，减少了云中心处理的数据量，降低了云中心的处理压力[4]。

云边端的分层结构充分融合了边缘计算、云计算、大数据等新一代信息技术，系统的可靠性、可扩展性得到大大提高。在云边端的分层架构中，云中心负责处理全局性的、复杂度高的、实时性要求不高的数据业务;边缘节点负责处理局部的、复杂度低、实时性要求较高的本地数据业务;端服务则作为数据输入的源头，提供多元精细化信息，以支撑上层决策和精准分析[5]。由于数据存储在已有的数据存储设备上，云边端的分层结构无论是云中心还是边缘节点，在存储上不会产生太高的设备成本。端服务是轻量级的应用，常利用用户已有设备，可以是在已有的计算和存储资源上部署微服务，也可以是从用户已有的一些传感器采集数据。相对传统的云计算，云边端架构既减轻了云中心的数据流量压力，又提高了数据处理效率，并发处理能力更强，经济性更高，但云边端结构将系统分散到了整个网络当中，整个系统的安全防护要求也更高[6]。

基于云边端架构的大数据稽查系统，端服务是安装在各种通行数据的服务器上的微服务，负责检索通行数据，并将通行数据结构化，传送到边节点进行预处理。为了便于部署和减少端服务对原有服务器的影响，端服务常通过容器的方式封装部署[7]。边缘节点不存储原始通行数据，只对本路段的结构化数据进行计算，保存运算后的结果，不做大数据分析。数据在云平台分析后，将挖掘出的逃费模型下发到边缘节点上，使边缘节点更容易识别出逃费行为。云边端架构将数据的检索和结构化功能分散在到了通行数据的原有服务器上，充分利用了原有服务器的运算能力，端服务只负责检索数据不做任何运算，相对原有服务器而言只增加了一路查询，不会增加太大的资源压力。同时，将部分计算能力分散到了边缘节点上，提高了服务响应速度，降低了云平台的资源压力，也降低了云平台和边缘节点之间的吞吐量。相对传统的云计算架构，云边端架构无须在云中心平台配置大量的存储设备以及大吞吐量、高带宽的交换机，降低了云中心硬件要求，边缘服务器可以使用廉价的x86设备，也可以降低系统建设成本。

云边端架构的稽查系统的结构如下页图1所示。

基于云边端架构的稽查系统，在省中心建立大数据分析云中心，在路段中心建设边缘节点，在各数据存储服务节点安装端服务。端服务负责检索通行数据，将数据结构化上传到边缘节点，边缘节点基于规则对车辆通行数据进行预判，筛选出疑似逃费车辆，由稽查人员进行人工核实。省中心向所有端服务从各系统提取出确认为逃费车辆的所有历史通行记录，进行大数据分析。识别出疑似逃费记录，再交由稽查人员进行人工核实。根据人工核实结果，省中心更新逃费规则，下发到边缘节点。工作流程如图2所示。

4实践建议

目前的稽查工作存在以下幾个问题：（1）对于司机偷逃通行费方面的监管力度不足，没有有效的解决方案;（2）高速公路运营单位之间缺乏交流和协调，不能及时了解在其他地方已出现的逃费现象，对识别的疑似逃费现象很难协调相关单位配合;（3）稽查人员水平参差不齐，企业内部制度不健全，缺乏有效的激励和处罚措施。产生这些问题的主要原因是：（1）在法律层面缺乏专门处罚司机偷逃通行费的法律条例，发现司机偷逃通行费只能追缴偷逃金额，不能进行额外处罚，司机偷逃通行费的成本低;（2）缺乏官方的交流和协调平台，企业的经验不能充分交流，查证协调工作的流程太多太复杂，效率低;（3）企业缺乏提升稽查人员水平技能的措施，稽查人员专业技术能力不强，对各种减免优惠制度理解不透彻，怕担责任宁纵勿枉。不少企业虽然重视稽查工作，对稽查人员成功追缴也有一定的奖励，但却没有制定相应的惩罚措施，缺乏识别稽查人员工作失误的手段。

基于大数据分析的稽查系统需要依赖人工核实偷逃通行费的结果，稽查人员的能力直接影响着系统的识别效果，稽查人员识别的逃费记录越准确、越完整，大数据分析得出的逃费模型就越精准。因此，稽查工作必须坚持系统建设与制度建设并重的方针，通过组织学习、培训和交流，不断提高稽查人员的专业技术能力和对制度的理解。同时，健全管理体系和制度，把偷逃费的识别及处置方案加入企业日常管理制度中，进一步完善稽查奖励机制，细化绩效考核内容，使得各个岗位上的员工都能积极地参与其中，形成相互监督的机制，降低稽查人员参与违法事件的可能性。

5结语

边缘计算技术和大数据分析等信息技术的发展，推动了高速公路收费稽核业务由传统人工方式向智慧化处理的转变。本文围绕高速公路稽查系统设计与稽查工作的实践展开了深入研究，对稽查工作的现状和存在问题进行了分析，探讨了问题的解决思路，并结合云边端技术提出了研发稽查系统的整体技术架构，讨论了系统的工作流程，可为高速公路运营单位建设稽查系统、开展稽查工作提供一定的参考。

参考文献：

[1]胡波.四川高速集团偷逃通行费治理研究[D].成都：电子科技大学，2020.

[2]刘永.基于云管边端架构的高速AI稽查系统设计与实现[J].电脑与信息技术，2029（1）：58-60，67.

[3]潘虎.高速公路收费稽查系统设计与实现[D].南京：东南大学，2019.

[4]吴卫.边缘计算环境下物联网身份认证与隐私保护技术研究[D].西安：西安电子科技大学，2019.

[5]吴正坤.云边端协同应用卸载机制的研究[D].南京：南京邮电大学，2020.

[6]原吕泽芮，顾洁，金之俭.基于云-边-端协同的电力物联网用户侧数据应用框架[J].电力建设，2020，41（7）：1-8.

[7]张迅頔，白文娟，高寒，等.高速公路偷逃费稽查筛选方法研究[J].公路交通科技（应用技术版），2020，16（4）：311-315，362.