2019年兩會，國務院作出了兩年內(nèi)取消省界收費站的重大指示。取消省界收費站對于我國高速公路收費而言是一項大工程，涉及大量的系統(tǒng)改造，特別是高速公路車輛身份識別及收費系統(tǒng)的改造。

　　過去我國高速公路收費主要以省為單位，車輛的身份主要靠ETC與各種通行卡（券）物理介質(zhì)作為身份標識的依據(jù)。高速公路上貨車主要以計重為主要收費依據(jù)，未來也將改為以車型為主要依據(jù)。

　　取消省界收費站之后，將主要以ETC作為車輛身份標識，車牌將作為輔助身份標識。

　　眾所周知，過去以省為單位的收費體系尚且存在一定的車輛逃費作弊情況，取消省界收費站之后，由于單程里程大大增加，單筆收費金額也會大大增加，這會使得車輛逃費動力也大大增強，因此需要一種更加先進的手段進行車輛身份的識別，進而有效進行逃費預警和稽查，規(guī)避收費漏洞，遏制逃費行為。

　　筆者認為，單靠現(xiàn)有系統(tǒng)中ETC標識OBU里的車輛信息，車牌等并不足以對車輛真實身份、收費類型及位置進行確認，需要增加車型信息、車輛特征信息及車輛圖片作為額外依據(jù)，并結(jié)合時空軌跡和大數(shù)據(jù)分析方法進行車輛真實路徑進行識別。

　　在取消省界收費站之后的新型收費系統(tǒng)中，需要將OBU信息，車輛車牌信息（車牌號、車牌顏色及類別）、車輛收費類型（分客貨，一共9類收費類型）、車輛特征信息（車輛品牌、車輛顏色、車輛側(cè)面輪軸及外觀特征，車臉特征）、車輛時空信息（拍攝點位的位置及精確時間）等作為系統(tǒng)收費的依據(jù)，進行收費額的計算及后續(xù)稽查應用。

　　未來將取消計重收費改為以車型作為依據(jù)進行收費，這對車型識別的需求顯而易見。

　　當OBU信息與車牌識別信息一致，且OBU信息真實無誤，這是理想情況，但實際中往往不是這樣，那些例外情況才是真正需要重點考慮的問題。

　　從規(guī)避逃費的角度來說，車輛特征信息（車輛品牌、車輛顏色、車輛側(cè)面輪軸及外觀特征）的識別也非常有必要，下面從幾種常見的異常情況及逃費類型來分析，為何需要以上那么多的數(shù)據(jù)維度以及如何應對這些極端情況：

　　1） OBU失效；

　　具體而言，就是車載OBU失效或司機惡意屏蔽、損壞、拆卸OBU或惡意屏蔽、損壞CPC卡，導致車輛通過虛擬收費站或收費通道時，無法讀取到車輛ETC信息。

　　此時如果車輛號牌信息完整，可以以車牌作為依據(jù)進行里程計費，但基于圖像進行車牌識別并不能100%的準確，實際中往往存在B識別成8、T識別成I等例外情況，可能使得收費系統(tǒng)無法準確匹配車輛完整的出入口信息。

　　如果由于匹配錯誤導致了錯誤的出入口匹配，可能使得車輛多計費或少計費，給車主和收費管理帶來麻煩。

　　此時如果有車輛特征信息（車輛品牌、車輛顏色、車輛側(cè)面輪軸及外觀特征），可以基于車輛特征相似度，對于匹配成功的出入口車輛特征進行相似度校驗，如果相似度達到一定程度，就可以認定車牌匹配準確。

　　例如，進出入口車輛車牌匹配成功了，如果車輛品牌及顏色也相符，那么可以認定車牌匹配的結(jié)果非?？尚?；反之，如果車牌匹配，但車輛品牌或顏色不一致，那么出入口車輛可能存在差錯，甚至存在套牌的可能。

　　如果出入口因為車牌識別錯誤，導致無法精確匹配，也可以通過模糊匹配進行出入口車輛匹配，將出入口字符相差一位（適當也可以放寬到2位），但車輛車臉特征相似度匹配度非常高的車輛匹配成一組出入口信息，從而減少車牌識別錯誤的影響。

　　對于未來規(guī)劃的龍門架安裝的虛擬收費站，由于車速往往較快，OBU的讀取成功率將大大降低，車牌識別準確率也會下降，此時補充一種額外的校驗模式就顯得尤為關(guān)鍵。

　　車輛車臉特征可以作為車牌之外的一個校驗依據(jù)，減少車牌識別錯誤的影響。

　　2） 車牌與OBU不符；

　　具體而言，實際中存在不少車輛OBU內(nèi)存儲的車牌信息與車輛懸掛的車牌不符的情況，這種情況有可能是因為車輛發(fā)生過戶，但OBU沒有過戶，或車主為逃費故意為之。

　　通過圖像識別車牌并與OBU進行比對，是一個發(fā)現(xiàn)此類異常和逃費的有效手段，但遺憾的是，車牌識別并不能100%準確，也就是當實際發(fā)生了車牌與OBU不符的情況，并不能100%認定就是真實不符，也有可能是車牌識別錯了。

　　假設一個站每天通過1萬輛車，實際車牌識別準確率99%，那么可能出現(xiàn)100輛車牌與OBU不符的車輛，而且竟然都是因為識別錯了導致的，這會給計費和逃費稽查造成極大困擾。

　　此時如果有車輛特征信息，如可識別車輛品牌、子品牌、顏色等信息，則可利用這些信息進行二次校驗，如果車牌與OBU不符但相似（如相差1-2位），而車輛特征信息與OBU存儲的信息是一致的，則可認定車牌信息與OBU相符，這樣可以將以上因為車牌識別錯誤認定為車牌不符的大量修正過來。

　　實際中，甚至可以基于一種寬松的原則，只要車牌或車輛品牌信息與OBU相符，就可認定為與OBU相符，從而減少誤判。

　　3） 大車小標或修改車型逃費；

　　具體而言，就是更高收費級別的車輛，實際搭載了低收費級別的車輛的ETC標簽。

　　例如一輛大客車，理應是客3收費類型，但搭載了客2或客1類型的ETC標簽，或者某貨車通過手段使得自身的OBU無效，但可能搭載了一個小客車的OBU，并另其生效。

　　這種情況，OBU內(nèi)的車牌信息和實際號牌信息可能是完全相符的，但車型不對，因而可能減少了收費。

　　這種情況，只要基于車輛圖像對車型進行識別，就能很方便的進行辨識，因為客3與客2，或貨車與客車直接有明顯的差異，基于車型進行逃費稽查預警和告警即可有效規(guī)避。

　　4） 隱身式逃費；

　　具體而言，司機為逃費，在途中通過手段令ETC標簽OBU或CPC卡失效，并同時進行車牌號遮擋，這樣無論是車道式的收費站或龍門架式的虛擬收費站，都無法識別到車輛的具體信息，此時唯一有可能獲取到車輛信息的只有車輛的圖片信息。

　　這種情況由于車輛在入口有完整的車輛信息，可以基于車輛車臉圖像特征進行時空匹配，獲取中間無法讀取OBU和車牌的車輛的具體信息。

　　具體而言，當某一標識站或虛擬收費站檢測到一輛無牌或無法讀取車牌和OBU的車輛，此時可以獲得車輛特征信息（車輛品牌、車輛顏色及車輛外觀特征），通過與一定時間范圍之內(nèi)，近幾個收費站進來的車輛，進行特征相似度一一匹配，獲取相似度高且相似度大于一定值的若干車輛，并進行人工確認，進而找到這輛車的真實信息，這種技術(shù)也稱之為基于車輛多維特征的以圖搜圖。

　　5） 跟車逃費；

　　具體而言，跟車逃費指的是，司機為逃費，多輛車串通，前后有ETC標簽信息后車無法讀取ETC標簽信息，前后車跟的非常緊（一般小于20厘米），當前車通過ETC入口或出口時，后車緊跟前車。由于欄桿機有一定的響應間隔，當兩輛車離的特別近時，欄桿機及地感線圈會認為只有一輛車或欄桿機出于防砸目的，不會中途放下，這種情況下后車如果OBU失效或未安裝OBU，也能順利通過，通過這種方式逃費。

　　如果能識別車輛特征信息（車輛品牌、車輛顏色、車輛側(cè)面輪軸及外觀特征），當前車通過時，通過對車輛輪軸、車頭進行判斷，如果判斷前車車頭經(jīng)過后，又有一輛車車頭經(jīng)過，則判斷存在跟車逃費嫌疑，如果前車在出入口都存在這種情況，則該車存在逃費嫌疑。

　　也可以在檢測到此類情況時，在收費站級進行聲光告警，威懾此類逃費行為。

　　6） 甩掛或U型路線逃費；

　　具體而言，就是一些貨車在運行過程中，通過甩掛或卸貨之后通過U型通道折返的逃費方式。

　　這種方式理論上可以通過虛擬收費站和通道收費站進行車輛的全路徑識別，然后基于全路徑進行收費，這種情況并不會給高速公路造成損失。

　　但實際中，這些特殊的路線和運行方式，往往也會伴隨這樣以上大車小標、修改車型逃費甚至隱身式逃費、跟車逃費的方法，因而車型識別和車輛特征依然可以發(fā)揮非常重要的作用。

　　還有一些其他類型的逃費現(xiàn)象，如收費員與司機勾結(jié)、收費員內(nèi)部違規(guī)、偽裝成綠通或免費車輛等收費方式，其中與收費員有關(guān)的一些類別隨著ETC的全面普及會有效規(guī)避，也可以通過以上車輛多維特征和大數(shù)據(jù)時空分析研判，加以鑒別，例如通過MTC車道與司機行走的關(guān)聯(lián)關(guān)系，進行逃費和違規(guī)研判。

　　通過時空大數(shù)據(jù)分析，可以對車輛軌跡、車輛旅行時間、車輛活動規(guī)律、車輛行駛規(guī)律進行分析研判，并構(gòu)建車輛逃費的黑名單，通過對多起疑似逃費的車輛進行聯(lián)合判定，通過多次疑似逃費行為確認車輛的逃費行為。

　　除此之外，也可以通過實際運行的車輛大數(shù)據(jù)，構(gòu)建車輛車牌號與車輛車型、OBU、車輛品牌特征等數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，構(gòu)建映射中間表，并構(gòu)建車輛的信譽評定體系，為合法合規(guī)的車輛，賦予高級別的信用等級，為存在逃費嫌疑或認為為逃費的車輛賦予低級別的信用等級，進而在實際的稽查過程中，只重點關(guān)注那些信譽等級較低或沒有信用記錄的車輛，減少稽查研判系統(tǒng)的計算壓力。

　　實際應用中，車輛多維度的特征信息的識別，可以通過升級前端設備，在前端實現(xiàn)，并與OBU信息和車牌圖片信息一同傳到后端；也可以通過在后端架設配備GPU的服務器集群，在后端（私有云）對上傳過來的車輛進行二次識別，補齊車輛多維度的特征信息來實現(xiàn)。

　　相比而言，更推薦通過后端識別的方法，這樣更容易升級和維護，也便于進行基于深度學習和增強學習的迭代提升。

　　總而言之，通過構(gòu)建車輛多維度的身份特征體系，識別除了OBU信息和車輛車牌信息（車牌號、車牌顏色及類別）之外的車輛收費類型（分客貨，一共9類收費類型）、車輛特征信息（車輛品牌、車輛顏色、車輛側(cè)面輪軸及外觀特征，車臉特征）、車輛時空信息（拍攝點位的位置及精確時間）等，可以實現(xiàn)各種維度數(shù)據(jù)之間的相互校驗，增強系統(tǒng)的容錯能力，減少計費誤差，有效打擊逃費，堵住因為取消省界收費站帶來的新的逃費漏洞，減少經(jīng)濟損失。

　　通過取消省界收費站，為未來逐步過渡到全自由流收費奠定了基礎，此舉無疑能夠減少交通擁堵，提高通行效率，減少物流費用，帶動經(jīng)濟發(fā)展，是一件利國利民的重要舉措。