[发明专利]一种车辆故意逃费检测方法、装置、系统及存储介质

说明书

本发明提供了一种车辆故意逃费检测方法、装置、系统及存储介质，包括：获取目标车辆和第一车辆的车辆信息，其中，所述第一车辆为所述目标车辆沿行驶方向的前车车辆，所述车辆信息包括图像信息、位置信息和时间信息中的至少一种；基于获取的所述目标车辆和第一车辆的车辆信息，提取目标车辆特征；将所述目标车辆特征输入至预训练的故意逃费检测机器学习模型中，所述检测机器学习模型判断所述目标车辆是否存在故意逃费行为。通过此方法可以有效区分无意逃费和故意逃费车辆，以及时对故意逃费的车辆采取相应措施。

技术领域

本发明属于智能交通技术领域，尤其涉及一种车辆故意逃费检测方法、装置、系统及存储介质。

背景技术

随着我国机动车保量持续增加，传统的人工收费模式已经不能满足现在快速通行的要求，越来越多的车主在高速上选择电子不停车收费系统(Electronic TollCollection，缩写为ETC)车道来快速缴费通行，在城市交通中，智能停车场结合各类支付平台也推出了无人值守的停车收费模式，以此来提高通行效率，节省人力成本。

不论是高速ETC还是智能停车场，都属于无人值守的收费车道，在运营过程中，经常会出现未缴纳通行费就通过的车辆，这些车辆都属于逃费车辆，但是在逃费车辆中，有些车辆是因为系统异常或其它非主观因素造成的逃费；另外一些车辆，则是利用收费系统中存在的漏洞来故意逃费。

而根据未缴费记录，只能将无意逃费和故意逃费判断为同一类型的逃费车辆，而无法对无意逃费和故意逃费的车辆进行区分。

发明内容

本发明实施例提供了一种车辆故意逃费检测方法、装置、系统及存储介质，可以解决无法区分无意逃费和故意逃费车辆的问题。

第一方面，本发明实施例提供了一种车辆故意逃费检测方法，包括：

获取目标车辆和第一车辆的车辆信息，其中，所述第一车辆为所述目标车辆沿行驶方向的前车车辆；基于获取的所述目标车辆和第一车辆的车辆信息，提取目标车辆特征；将所述目标车辆特征输入至预训练的故意逃费检测机器学习模型中，所述检测机器学习模型判断所述目标车辆是否存在故意逃费行为。

可选的，所述目标车辆特征包括车牌状态特征和/或车身状态特征。相应的，所述基于获取的所述目标车辆和第一车辆的车辆信息，提取目标车辆特征，包括：基于获取的所述目标车辆的图像信息，提取所述目标车辆的车牌状态特征和/或车身状态特征。

可选的，所述目标车辆特征包括目标车辆特征和行驶行为特征。相应的，所述基于获取的所述目标车辆和第一车辆的车辆信息，提取目标车辆特征，包括：基于获取的目标车辆的位置信息和第一车辆的位置信息，计算所述目标车辆和所述第一车辆的跟车距离特征，其中，所述目标车辆和所述第一车辆为相邻车辆。基于获取的所述目标车辆通过车道拦截装置过程中的位置信息，提取所述目标车辆的行驶行为特征。

可选的，所述目标车辆特征包括行驶速度特征。相应的，所述基于获取的所述目标车辆和第一车辆的车辆信息，提取目标车辆特征，包括：基于获取的所述目标车辆到达多个预设位置的时间，计算所述目标车辆的行驶速度。

可选的，所述将所述目标车辆特征输入至预训练的故意逃费检测机器学习模型中，所述检测机器学习模型判断所述目标车辆是否存在故意逃费行为之前，还包括：获取实际通行车辆的车辆信息，将所述实际通行车辆的车辆信息与已缴费的车辆信息进行匹配，当匹配失败，将所述实际通行车辆作为目标车辆。

第二方面，本发明实施例提供了一种车辆故意逃费检测装置，包括：获取单元，用于获取目标车辆和第一车辆的车辆信息，其中，所述第一车辆为所述目标车辆沿行驶方向的前车车辆；提取单元，用于基于获取的所述目标车辆和第一车辆的车辆信息，提取目标车辆特征；判断单元，用于将所述目标车辆特征输入至预训练的故意逃费检测机器学习模型中，所述检测机器学习模型判断所述目标车辆是否存在故意逃费行为。