ETC 门架交易系统的异常交易数据修复方法

■罗永煜 王阳生 赖树坤 朱慧先

（福建省高速公路信息科技有限公司，福州 350018）

高速公路作为我国交通运输基础设施建设的重要组成部分，截至2020 年底，我国高速公路里程已突破16 万km，居世界首位[1]。在取消收费站后，29 个联网收费省份的24 588 套ETC 门架系统、48 211 条ETC 收费车道全部完成工程建设和改造[1]。截至2021 年，ETC 累积用户已经超过2.2 亿，车主使用率为78%，日均交易数据高达10 亿，ETC 交易系统快速普及积累了海量的交易数据。ETC 门架系统基础设施逐步升级，管理制度日益完善，为我国的高速公路快速精准收费提供了重要支撑。但是，ETC 门架系统由于设备铺设位置造成的邻道干扰、跟车干扰，以及设备故障、天气原因、无线串扰造成的检测失败等原因，高速公路ETC 交易系统不可避免地存在重复交易、漏交易与误交易事件[2-9]。因此，针对ETC 交易流水数据进行挖掘分析，识别出漏检测、误检测及重复检测现象，对异常数据进行修复还原，以实现ETC 收费系统的稳定运行及精准计费。

1 ETC 系统交易异常原因分析

1.1 邻道干扰

ETC 门架产生邻道干扰现象是ETC 系统中常发性问题，主要表现为ETC 门架上的RSU 设备和相邻车道上的车辆中的车载OBU 设备进行通信，导致ETC 门架收费系统识别到对向车道的车辆信息，发生误检测交易特情，或ETC 门架上相邻的两RSU 设备同时识别到同一车辆而出现的重复检测交易特情。ETC 门架产生邻道干扰的原因主要有以下几点：（1）设备安装问题。在施工过程中，RSU 设备未正对车道正中央，造成信号覆盖区域偏左偏右的情况；设备安装仰角大小不同也影响着信号覆盖区域的面积；（2）车道设计问题。相邻车道之间需要设置一定宽度的隔离带，若未设置隔离带或隔离带宽度不够将产生邻道干扰现象；（3）RSU 设备配置问题。天线方向图设计时未设置好主瓣波束的覆盖宽度；相邻车道RSU 工作信道相同将出现同频干扰问题；发射功率过大同样将导致覆盖区域超出车道范围。

现阶段RSU 设备与OBU 设备间多采用单向通信，验证车辆行驶信息的准确性存在较大的难度，因此邻道干扰产生的特情制约着ETC 交易系统的精准计费能力。ETC 门架邻道干扰会出现以下2 种情况：（1）对向门架误交易特情。车辆在最右侧快车道行驶时，先后被对向车道和行车方向RSU 设备检测到，并产生交易流水数据；（2）同向车道重复交易特情。车辆在某一车道行驶时车身相对偏向另一车道，同时由于各种原因邻道的RSU 设备信号覆盖区域较大且超过了车道宽度，此时将发生重复交易特情。

1.2 ETC 门架漏交易

ETC 门架作为路网车辆精准路径识别的重要设备是在线实时路径识别、还原以及计费处理的底层支撑，但由于天气、设备故障以及网络传输失败等原因造成门架上的RSU 设备未识别到车辆经过的情况，导致出现门架漏交易特情。具体为车辆在经过门架时，车载OBU 设备与ETC 门架RSU 设备通讯失败，未生成交易流水信息导致出现门架漏交易特情。

2 ETC 门架交易异常修复方法

门架交易异常特情发生时，门架设备与OBU设备无法相互交互，门架是无法得知是否存在交易异常行为。本研究设计门架交易异常修复方法先对门架交易轨迹异常情况进行说明；再针对各种异常情况进行针对性的修复方法说明；最后设计门架交易异常修复算法对门架交易轨迹异常进行修复还原，提高在线计费及门架路径拟合的精准性。

2.1 ETC 门架交易异常情况说明

门架交易特情发生时，在ETC 交易流水数据中是无法直接反映出来的，因此对原始ETC 交易流水数据进行数据预处理，使其按照车辆行程轨迹化进行异常数据识别分析是重要步骤。通过对车辆行程轨迹化后，可以利用高速公路门架拓扑关系提取出异常交易特情。

门架交易特情主要为3 类：漏交易、误交易以及重复交易，这3 类交易特情在行程轨迹中相互组合可能出现几种错误轨迹。为保证ETC 收费系统实现精准计费，需要针对不同的异常交易轨迹进行修复以还原出车辆实际行驶路径并进行计费。异常交易轨迹类型见表1，其中单一异常交易情况见序号1、2、3，处理这3 种情况相对容易，简单进行拓扑比对即能得出。误交易和漏交易组合出现的错误轨迹见序号4、5、6，具体异常类型难以定位并难以进行门架轨迹修复。

表1 异常交易轨迹类型

2.2 ETC 门架交易轨迹异常修复方法

对车辆交易轨迹存在多种异常交易特情的情况进行梳理，设计算法进行识别修复是实现精准计费的内在需求。针对本研究梳理出的6 种异常交易情况进行修复，主要是补全漏交易、删除重复交易、修正误交易，修复方法说明见表2。

表2 异常交易轨迹修复方法说明

根据异常交易轨迹修复方法说明的思路，提出门架轨迹异常识别及修复方法，充分利用ETC 门架交易流水数据、高速公路路网拓扑数据实现对各异常交易情况识别并修复，为后续的收费系统提供数据支撑。为此作出如下定义：

定义1 （节点Node）：高速公路上收费站与ETC 门架和收费站统称为节点Node，其表示形式见公式（1）：

其中NodeID 为门架或收费站编码；NodeType作为区分门架和收费站的标识；OPP 表示当前节点的对向节点编码。

定义2（通行节点PNode）：车辆在行驶过程中与门架设备进行交互形成的交易信息、牌识信息以及车辆特征信息统称通行信息。通行节点有车辆标识、通行时间、节点组成，其表示形式见公式（2）：

其中VehSign 为车辆标识，即车牌号；Node 为通过的节点信息；PTime 为通行时间。

定义3（行程门架轨迹PNodePath）：车辆在一次高速旅程中，所有的PNode 按Source 进行分类，以PTime 排序生成的一条有序轨迹链。其表现形式见公式（3）：

其中PNode1、PNoden为当前车辆高速旅程的起止点。需要说明的是由于漏交易、误交易、重复交易等异常情况，故车辆通行门架轨迹并非一定连续。将未出现交易特情的行程门架轨迹称为PNodePathR；出现交易特情导致门架轨迹不连续的称为PNodePathW。

定义4（门架拓扑关系，TP）：门架拓扑关系是由Node 之间的路网连接关系组成的，高速公路属于分向行驶的全封闭道路，故拓扑关系是具有方向性的。其表示形式见公式（4）：

其中Nodei为当前拓扑关系起点门架，Nodej为Nodei直接相连的后续门架。同时，Node 中保存着OPPNode 信息，由此可得反向门架拓扑关系TP′，见公式（5）：

定义5（门架连通关系，C）：门架连通关系指的是两门架之间的最短门架路径小于∂（最大漏检测门架数量阈值），即认为当前两门架连通，其表示形式见公式（6）：

其中Pm=＜Nodej，…，Nodem＞为Nodei和Nodem之间的最短门架路径；γ 为Pm 的长度。

根据前人的研究[2]，绝大部分的车辆交易门架轨迹不会超过20 个门架，故选取15 个门架作为最大漏交易门架数量阈值，即∂=15。

门架交易轨迹异常修复方法包括门架交易轨迹异常识别和异常交易轨迹修复2 个部分。先将ETC 交易流水轨迹提取生成PNodePath，遍历PNodePath；再根据TP，TP′比对车辆前后的PNode信息，若出现重复交易特情，则删除；若出现误交易特情，则根据TP′的信息将误交易节点PNoden修正成PNoden[OPP]；若出现漏交易特情则使用Pm 进行漏交易门架补全；最终修复完成生成ReNodePath，若无法处理的轨迹提交人工审核，结束修复流程（图1）。

图1 门架交易异常识别及修复方法流程

3 实例分析

现阶段，针对高速公路ETC 交易系统对异常交易数据清理修复的研究较少，缺乏有效的管理和科学的修复方法。如何利用ETC 交易流水数据和高速公路门架拓扑信息对ETC 交易系统产生的异常进行修复还原成为当前高速公路收费系统的一大挑战。异常交易特情的出现往往导致车辆的门架通行轨迹不完整、轨迹异常、轨迹错误等。本研究针对漏交易、误交易以及重复交易3 种异常交易特情组合生成的交易轨迹错误情况进行修复方法设计，从而实现ETC 交易流水数据的异常修复。试验依托于福建省高速公路信息科技有限公司的福建省高速公路运行监测平台，选取了2022 年6 月22 日全天的ETC 交易流水数据进行分析，主要开发工具与开发语言为Clickhouse 和Python。

3.1 异常轨迹分析

使用本研究提出的异常交易识别算法对2022年6 月22 日的ETC 交易流水数据进行分析，其中异常数据概况见图2。ETC 流水数据异常是指出现漏交易、误交易与重复交易的数据；行程指当日的所有行程门架轨迹数，包括还未驶出高速的车辆；完整行程为当日进入收费站并完成整个高速公路旅程出收费站完成收费的PNodePath 总数。从ETC 流水数据的异常情况看异常率较少，为1.69%，但是极小部分的异常流水数据造成了15.29%的PNodePath出现异常，这也说明了ETC 交易流水数据的异常识别和修复对收费路径的精准拟合具有重要的研究意义。

图2 2022 年6 月22 日ETC 交易流水异常数据

按行程错误情况进行统计，未出现交易特情的PNodePathR中，平均通行门架数为7.57 个；出现交易特情的PNodePathW中，平均通行门架数为10.99 个。通过对PNodePath 所包含的PNode 数与PNodePath 错误率的关联分析（图3），得出如下结论：（1）PNodePath 中的PNode 数集中在5～10 个，且大部分的PNodePath 中通行门架数小于20 个；（2）行程中PNode 异常交易率整体趋势随PNodePath 中的PNode 数量的增大而上升；（3）当PNode 数小于32 个时为正确率高于异常率，一旦超过32 个PNode 和50%的PNodePath 会出现异常交易特情，当PNodePath 达到72 个PNode 以上时，行程异常率接近1；（4）需要注意的是当PNodePath 的PNode 数为2 时，异常率与正常率接近1∶1，此类数据值得重点关注，有可能是利用屏蔽通行介质的方法，系统自动计算最短路径进行收费从而达到“买短跑长”目的。

图3 行程节点数与行程错误率关联分析

3.2 异常轨迹修复效果分析

使用本研究提出的异常轨迹修复算法对出现异常的93 067 条PNodePathw进行修复，修复结果见图4，本算法共修复87 486 条，仍有5 581 条属于其他异常情况无法修复，修复成功率达到94%。针对已修复的PNodePath 进行分析漏检测出现的交易异常情况最多共86 913 次占总门架交易次数的7.6%；门架重复检测出现的情况最少，占总门架交易次数的0.76%（图5）。

图4 完整行程修复情况

图5 异常交易特情分析

4 结语

随着取消省界收费站后联网收费里程激增，为维护高速公路正常的缴费秩序，对门架交易状况的识别和异常特情的还原修复成为高速公路运营的重要工作之一。本研究针对漏交易、误交易、重复交易3 种交易特情所产生的异常交易轨迹进行分析，提取出了6 种典型的异常交易轨迹，并根据高速公路门架拓扑设计异常轨迹修复算法，补充还原漏交易数据，修正误交易数据，删除重复交易数据；进而选取了福建省高速公路运行监测平台2022 年6 月22 日全天的ETC 交易流水数据进行实例分析验证，确定了该方法的有效性，提高了收费拟合的准确性。