高速公路重点违法行为监测分析系统设计

李超

摘要 随着高速公路路网规模的不断扩大，高速公路不文明驾驶行为及违法违规行为严重影响了高速公路交通运行的安全与效率。文章提出利用大数据技术对高速公路路网通行车辆特征信息智能分析与实时监测，通过对通行车辆的事中、事前、事后的违法行为进行分析，实现对路网通行车辆违法、违规行为的监测与智能分析，提升交通执法与行业监管工作效能。

关键词 高速公路；违法行为；违法监测系统；交通执法

中图分类号 U495文献标识码 A文章编号 2096-8949（2023）14-0008-03

0 引言

随着高速公路路网规模的不断扩大，高速公路不文明驾驶行为及违法违规行为严重影响了高速公路交通运行的安全与效率[1]。目前，高速公路交通执法已经建成综合执法业务系统，实现了执法过程案件办理和文书制作环节的信息化，提高了案件处理规范化水平和效率[2]。

交通综合执法改革对执法效能提出了更高要求。当前，高速公路交通执法人员整体配备不足，高速公路通车里程增加和“锁定编制底数”的改革要求加剧了执法力量不足的困境，亟须以信息化为手段，通过对车辆通行数据及业务系统关联数据的分析[3]，识别路政、运政以及收费稽查领域具有重大违法嫌疑的车辆，实现违法行为智能分析和智能監测，整体提升执法效能，弥补执法人员不足对执法效能的制约。

1 违法监测系统架构

系统将围绕高速违法行为管理、综合信息服务为主线，结合路网安全运行管理实际需求，建立全省高速路网违法监测数据分析应用服务体系，重点实现路网通行车辆违法和违规行为自动识别、路网通行车辆特征信息智能分析、重点车辆实时监测以及车辆违法信息自动推送等数据分析共享服务。总体框架图如图1所示。

1.1 感知层

感知层主要是各类数据及信息采集获取的站点及设备，包括高速收费站点、视频卡口、称重设备、卫星定位设备等。

1.2 传输层

传输层包括交通行业专网、政务外网和互联网，用于各种数据的传输。

1.3 软硬件平台层

基础设施层各种计算资源及存储资源，并做相应的安全防护。

1.4 数据层

主要依托数据应用，通过对不同业务系统的数据指标，通过数据库表接口等方式对数据信息进行筛选和整理，根据数据应用的具体需求进行分类存储管理。主要包括基础信息数据、业务数据库、主题数据库、交换数据库等。

1.5 应用支撑层

应用支撑层为应用软件提供运行和开发环境。它是支撑业务应用和实现各业务之间信息共享的关键，具体包括应用中间件、数据库管理系统、地理信息平台、视频共享平台、短信平台、统一认证平台等。

1.6 应用层

应用系统层包括重点车辆综合信息展示模块、违法行为智能实时研判模块、违法信息统一推送模块、重点车辆路网监测（展示）模块、违法行为智能分析模块。

1.7 展现层

展现层指业务的展示形式，是用户访问系统的窗口，主要包括各级管理部门访问的系统界面、WEB网站、手机App等。

1.8 用户层

用户层是系统业务应用的用户，包括执法人员、执法管理人员等。

2 违法业务处置流程

该系统主要面向高速公路通行车辆，覆盖高速公路事前监管、高速入口车辆识别、事中违法行为识别、现场路面执法、高速出口监管以及车辆出口监管六大环节。面向高速执法机构、行业监管部门、收费管理部门以及地方执法机构，针对不同环节下的违法违规车辆的处置以及违法名单进行数据应用，提升对违法违规车辆的数字化管控，提升日常车辆监管效能。

2.1 高速事前监管

主要针对历史高速通行车辆以及大件劝返车辆进行分析管理。针对车辆历史通行记录，分析车辆的通行规律，对后续车辆出行预测提供数据支撑；针对大件劝返车辆进行数据分析，实现与行业监管部门以及地方执法机构的名单推送。

2.2 高速入口识别

针对已经标记为重点关注车辆名单，系统通过高速公路入口数据自动研判，对于驶入高速路网的车辆进行筛查，为后续车辆跟踪管理提供数据支撑。

2.3 事中违法行为识别

面向已驶入高速路网范围内的车辆，针对不同车辆类型进行违法行为的实时动态监控管理，当发现车辆存在疑似违法违规行为，由高速公路执法人员根据车辆监测情况对车辆拦截条件进行人工研判。

同时可以支持对特殊车辆类型（如：大件运输车辆）的通行轨迹情况进行展示，帮助行业监管部门快速掌握辖区大件运输车辆通行情况。

2.4 现场路面执法

高速执法机构对于支持路面拦截的车辆积极开展后续路面拦截工作，可以通过数据分析车辆行驶轨迹，辅助后续车辆的现场检查与执法工作。

2.5 高速出口监管

对于无法开展路面拦截的车辆可以通过出入口拦截申请，保障在出口收费站及时进行车辆拦截。

2.6 车辆事后监管

主要针对历史车辆通行数据分析结果，将违法违规车辆名单按照行业监管要求、地方执法工作要求及时进行数据推送，保障后续行业监管部门以及地方执法机构对车辆、车属企业的监管工作要求。

3 重点违法行为分析

构建风险预警模型管理功能，搭建覆盖班车、包车、大件运输等不同类型车辆，通过对高速公路通行车辆数据进行分析、预警、研判、验证、修正等[4]，通过实际应用不断迭代优化风险预警模型，提高模型准确性，不断拓展模型应用范围。

由于系统模型搭建过程中，需要大量数据进行定时训练以提高模型识别的准确度，主要数据类型包括高速出入口收费数据、高速门架交易数据、车牌牌识数据、治超称重数据、运政数据、车管数据、包车/班车线路牌数据以及大件许可数据。

3.1 非法营运车辆分析

非法营运车辆主要针对没有有效营运资质的车辆从事道路运输经营行动的车辆。该次系统模型主要针对疑似非法营运行为进行数据筛查分析，得到“疑似非法营运”车辆名单，辅助现场执法人员进行现场车辆筛查，确认车辆是否违法。违法行为分析规则如下：

（1）车辆型号分类筛查：根据车牌颜色、车辆号牌，通过收费系统数据对车型进行核准，针对不同类型客车、货车进行分类筛查管理。

（2）从业车辆剔除：利用通行车辆号牌进行营运资质筛查，针对无从业资格、已注销/已过期的营运车辆的作为基础“非营运”车牌筛查数据名单。

（3）高频车型筛查：通过高速公路通行数据，将车辆通行所有收费站数据做累计，重点针对利用历史1～3个月高速公路收费站通行数据，锁定不同辖区范围内的高频车辆号牌，纳入“疑似非法营运车辆库”。

（4）车辆轨迹分析：针对“非营运”车辆中，对于单日频繁出入多个收费站的车辆，通过轨迹没有规律特征或者频繁出现在“两站一场”周边的情况的非营运车辆名单，系统标识存在高频疑似违法行为情况。

（5）历史非法营运车辆筛查：调取执法案件数据中涉及非法营运案件的近期车辆数据，对历史存在非法营运的车辆和车辆所属企业进行筛查，然后将历史存在非法营运的企业、车辆与“非营运”车辆筛查数据名单进行比对，进一步提升疑似非法营運筛查力度。

（6）其他辅助筛查规则：为了提升疑似非法营运预警精准度，系统将根据不同区间、时段叠加不同预警规则。

里程筛查：利用单车的通行里程进行测算分析，如：日均高速里程100～200 km以上车辆。

通勤费用筛查：利用收费系统中的结算数据，针对日均通行费用超过200元的非营运车辆进行核准。

车价筛选：利用收费系统中车辆厂牌型号数据，进一步剔除高端车辆。

3.2 班车客运违规营运分析

班车客运违规营运预警模型主要针对班车客运中的不按规定线路行驶、不按规定速度行驶以及不按规定时间行驶三类进行预警。基于高速公路车辆通行数据，通过车牌号码、车牌颜色调取运政系统数据，锁定班车客运通行数据，进一步对班车客运存在的违规营运行为进行筛查。

（1）车辆营运资质类型查验：针对高速公路通行班车客运进行资质核验，是否持有有效班车线路牌。

（2）班车客运车辆实际运行轨迹是否与线路牌的起始地、途径地、目的地一致，是否未按规定时间上路行驶。

3.3 包车客运违规营运分析

包车监管重点是核对高速通行的包车客运车辆实际运行轨迹是否与线路牌的起始地、途径地、目的地一致，是否合规上路行驶。

分析判断规则：

（1）车辆实际行驶过程中，是否持有有效包车客运标志牌。

（2）包车客运车辆实际运行轨迹是否与包车标志牌所备案的起始地、途经地、目的地一致，是否长时间超范围营运。

3.4 大件车辆不按规定线路/时间行驶

（1）通行车辆车牌识别：通过高速公路通行数据获取车种为大件运输车辆（或根据通行数据获取的车牌、车牌颜色获取车牌）；通过运政系统对车辆资质进行查验。

（2）大件许可信息查验：通过标识的大件车辆对相应许可进行查验，查询当前车辆是否具备有效许可资质，并进一步核对许可的线路和许可时间。

（3）许可线路比对：通过大件运输许可系统查询接口核验大件运输车辆大件运输许可审批信息，同时根据车辆车牌号码、车牌颜色数据，查询大件运输车辆在此时间段内的定位信息，由定位信息确定车辆实际通过的行政区划。结合实际途经地信息，查询比对该车辆在途经省的许可信息，进行许可一致性判断，并将异常车辆数据纳入预警车辆名单库。

（4）许可时间比对：通过大件运输许可审批数据，核对大件车辆上路的许可时间是否一致，如上路时间与许可时效不一致，则将异常大件车辆纳入预警车辆名单库。

3.5 套牌车辆预警模型

套牌车辆主要指利用非法或者假冒行为对车辆进行虚假车牌改装，以起到违法行为无法被精准锁定的目的，该次系统主要利用车管数据和高速车辆行驶档案数据进行比对。

利用公安车管信息数据和车辆在高速路网历史通行数据、车牌识别数据，建立车辆准确档案数据，包括车辆车牌号牌信息（车辆号牌、车牌颜色），车型（一类客车、二类客车……一类货车），车标（大众、宝马、比亚迪）等基本信息，一旦出现车牌与档案信息不符，或同时间段内出现不同位置的同一车牌时则做预警提示，为后续执法人员现场进行套牌车核查提供数据支撑。

3.6 危险品车辆监管预警模型

利用危险品营运车辆基础库信息，筛选危险品车辆基础名单。通过高速公路入口流水数据核对危险品车辆上路时间和上路位置，核对车辆是否存在无危货运单上路行为。

3.7 预警车辆用户画像

面向高速公路通行车辆进行分类管理，根据预警模型研判的结果将预警车辆进行统一管理，重点针对预警车辆进行综合数据分析研判，形成单个车辆的数字画像，通过系统分析车辆高频出入收费站名称、车辆历史通行情况数据，辅助执法人员对车辆进行轨迹分析的通行规律。

4 结语

重点违法系统通过大数据技术对路网通行车辆特征信息智能分析与实时监测，利用大数据技术支撑各级执法机构对车辆违法行为“快速识别、常态化监管、精准打击”。同时，利用研判结果数据，支撑执法机构以及行业监管部门对源头企业以及车籍进行监督检查工作，对于提升行业监管以及执法工作的数据监管能力具有重要意义。

参考文献

[1]张慧辰， 孔晨晨， 杨卓敏. 基于视频分析的高速公路违法行为识别系统设计与实现[J]. 科学技术与创新， 2022（3）： 182-185.

[2]朱玉贤. 新形势下加强高速公路执法队伍素质建设的几点思考[J]. 现代经济信息， 2019（14）： 116.

[3]廖辉. 基于高速公路信息化建设与管理研究[J]. 运输经理世界， 2023（6）： 74-76.

[4]张起， 崔优凯， 周义程， 等. 融合多源数据的高速公路收费站出口实时通行状况判别方法研究[J]. 中国交通信息化， 2023（2）： 105-107.