案例解析 | 广东自由流收费稽核方案，AI稽核新模式_基于车辆行驶轨迹数据的逃费稽查技术研究-CSDN博客

随着取消省界收费站工程落成，我国逐步迈进全国高速公路“一张网”运行感知新时代。借助交通强国和“撤站”政策，2019年12月，广东联合电服和阿里云共同宣布，全国首个高速不停车收费AI稽核项目正式落地广东，在业内率先使用AI和大数据技术准确处理高速公路不停车收费的稽核工作。

# 案例背景：联合电服的挑战与机遇广东联合电服负责广东省公路联网收费和电子不停车收费的实施工作，是省内唯一发行汽车ETC粤通卡的企业，同时还负责省内高速公路联网收费清分结算的工作，是全国高速公路联网收费体系中的广东省联网中心营运实体。在全国取消省界收费站的工作中，联合电服作为广东撤站工作组的核心落地团队，承担了大量的具体任务，推进了高速公路收费站的ETC发行工作。

# 业务痛点：收费稽查和追缴难度变大随着省界收费站的取消，以及ETC上车潮的爆发，高速公路的路网服务从省域路网扩大到全国一张网，导致收费稽查和追缴难度变大。

精准问题：收费的准确性依赖于路侧的收费设施设备，对车辆识别要求更高，仅识别车牌已不满足新场景下的稽核要求。如何准确地对车辆身份进行识别，规避收费逃费，有效地进行稽核，是业内要面对的问题。
效率问题：按照新的收费技术要求，车辆图片、视频带来以往数十倍的存储和计算压力，稽核的效率急需提升。
系统压力：广东省每天600多万交易流水，翻倍到过亿，15倍以上的增长；半年新增1000万用户，需要IT资源快速支持发卡业务，发卡、收费系统压力倍增。
稽核需求：公路院报告显示，目前逃费约为3万/km/年，广东省每年逃费2.5亿，占收入总比的 0.5%，行业协会打逃，目前实现追缴不到1亿，每年损失超过5个亿，收费稽核业务需求倍增。

# 解决方案：解决高速撤站收费痛点

视频识别技术：广东联合电服与阿里云合作，借助阿里云全球领先的视频识别技术，精确感知车辆特征，建设智能化稽核分析系统，发现车辆以套牌、遮牌等形式偷逃费的行为。
数据技术：在图片、视频全部上云的基础上，还原车辆在全路网的行驶轨迹，突破以往单个设备只能提供有限依据的限制，堵住车辆换卡逃费、绕路逃费的漏洞。
边缘计算：在边缘节点上提供稳定的计算能力，通过实时数据处理，缓解图片、视频传输上云的流量压力。
案例创新：全国首个高速不停车收费AI稽核项目
省域范围AI稽核：国内首家在省域范围内落地，利用人工智能和大数据技术对高速公路偷漏逃费行为进行稽核分析，并投入实际运行的AI大稽查系统。
云边一体、全局协同。全广东省的100多个路段布设了边缘计算能力，同时在省联网中心布设了中心技术节点，实时获取信息，进行相应的处理。
多源推理，轨迹还原。融合路段RSU数据、视频图像数据、互联网地图数据，还原车辆行驶轨迹。
以图搜图。融合车辆特征识别、车辆通行行为识别等多种技术，实现车辆身份的准确推理。
特征档案。建立基于路网车辆特征的档案库，一车一档案，一行一轨迹，自动、准确识别各类通行异常行为。
一键稽查，准确高效。通过多源推理还原车辆行驶，形成证据链，高效协助通行费稽查补缴。

# 方案价值：为高速公路收费稽核业务智能化升级带来新动能（1）新技术实现稽查业务智能化升级

资源使用：所有资源按需使用，上云后贴合业务流量曲线准备计算资源，成本大幅优化。
大数据融合稽查：全路网覆盖的摄像头轨迹还原与分析提供实时与离线的轨迹还原、重点货车的偷逃费行为研判，为稽核中心提供科技手段提高打击成效并减少工作压力。（2）“云边一体”部署模式得到最佳资源性价比
分布式和低延时计算：边缘计算聚焦实时、短周期数据的分析，能够更好地支撑本地业务的实时智能化处理与执行。
效率更高：由于边缘计算距离龙门架、路段业主分析系统更近，在边缘节点处实现了对数据的过滤和分析，因此效率更高。
缓解流量压力：在进行云端传输时通过边缘节点进行一部分简单数据处理，进而缩短设备响应时间，减少从设备到云端的数据流量。（3）以数据资源为核心推动联合电服融合创新发展
项目总体将在数据融合和资源整合的基础上，推动数据开放共享，提升联合电服的数据分析能力，为将来数据中台的建设奠定最为坚实的数据能力，并为有效处理复杂的业务问题提供新的手段。