一种高速公路车辆可疑行程分析方法、系统、装置与介质与流程

1.本技术涉及数据处理技术领域，尤其是一种高速公路车辆可疑行程分析方法、系统、装置与存储介质。


背景技术：

2.随着我国经济的发展，我国高速公路得到不断的建设，高速公路省内联网和跨省联网收费得到了广泛的实施。2020年全国取消高速省界收费站，实行全面联网收费。与此同时，随着高速公路路网的不断扩大，高速etc联网收费的推进以及货车计重和绿色通道免费等政策措施，某些人员可能会采取各种各样的逃费方式来减少或者逃避高速通行费用。
3.虽然，有关部门积极采取-些控制手段，但在实践中依然缺少有效的解决方案，尤其是在主动发现偷逃通行费嫌疑车辆的这-环节没有高效的办法，通常通过人力查询的方式进行，效果极其低下。因此，亟需一种新的高速公路车辆可疑行程分析方法。


技术实现要素：

4.本技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
5.为此，本技术实施例的一个目的在于提供一种高速公路车辆可疑行程分析方法、系统、装置与存储介质，该方法可以提高数据处理的准确度，减少人力资源浪费。
6.为了达到上述技术目的，本技术实施例所采取的技术方案包括：一种高速公路车辆可疑行程分析方法，包括获取高速公路上收费站出入口数据集、高速服务区数据集以及门架交易流水数据集；根据所述出入口数据集，确定异常车辆数据集；根据所述高速服务区数据集，确定目标服务区数据集；根据所述门架交易流水数据集，确定时间戳与车辆路径数据；根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程。
7.另外，根据本发明中上述实施例的一种高速公路车辆可疑行程分析的方法，还可以有以下附加的技术特征：
8.进一步地，本技术实施例中，所述根据所述出入口数据集，确定异常车辆数据集这一步骤，具体包括：提取所述出入口数据集中每辆车的收费站车辆入口重量以及收费站车辆出口重量；确定所述出入口数据集中所述收费站车辆入口重量与所述收费站车辆出口重量的重量差均值大于预设阈值的出入口数据集为异常车辆数据集；所述重量差均值满足公式：
[0009][0010]
其中eni表示收费站车辆入口重量en＝{en1,en2,
…
,enn}中的任一辆车的收费站车辆入口重量，exi表示收费站车辆入口重量ex＝{ex1,ex2,
…
,exn}中的任一辆车的收费站车辆出口重量|ex
i-exi|表示任一辆车的收费站车辆入口重量与收费站车辆出口重量的重量差的绝对值运算。
[0011]
进一步地，本技术实施例中，所述根据所述高速服务区数据集，确定目标服务区数据集这一步骤，具体包括：获取数据库中的原始高速服务区数据作为样本数据集，提取所述样本数据的特征属性集；根据所述特征属性集以及预设的类变量，构建朴素贝叶斯分类器模型；根据所述高速服务区数据集以及所述朴素贝叶斯分类器模型，确定目标服务区数据集。
[0012]
进一步地，本技术实施例中，所述根据所述门架交易流水数据集，确定时间戳与车辆路径数据这一步骤，具体包括：提取所述门架交易流水数据集中每个门架交易流水数据的交易时间数据以及车辆的途经门架编码；根据所述交易时间数据，确定时间戳；根据所述途经门架编码，确定车辆路径数据。
[0013]
进一步地，本技术实施例中，所述根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程这一步骤，具体包括：构建决策树模型；根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳、所述车辆路径数据以及所述决策树模型，确定车辆可疑行程。
[0014]
进一步地，本技术实施例中，所述根据所述特征属性集以及预设的类变量，构建朴素贝叶斯分类器模型这一步骤，具体包括：根据所述特征属性集、预设的类变量以及所述贝叶斯公式构建所述朴素贝叶斯分类器模型，其中所述贝叶斯公式：
[0015][0016]
其中ki为类变量，j1,j2,
…
,jd为特征属性集中每个特征属性。
[0017]
进一步地，本技术实施例中，所述决策树模型包括公式：
[0018][0019][0020]
其中ck表示集合d中属于第k类样本的样本子集,di表示d中特征a取第i个值的样本子集。k代表类别，即风险行程和正常行程。
[0021]
另一方面，本技术实施例还提供一种高速公路车辆可疑行程分析系统，包括：
[0022]
获取单元，用于获取高速公路上收费站出入口数据集、高速服务区数据集以及门架交易流水数据集；
[0023]
第一处理单元，用于根据所述出入口数据集，确定异常车辆数据集；
[0024]
第二处理单元，用于根据所述高速服务区数据集，确定目标服务区数据集；
[0025]
第三处理单元，用于根据所述门架交易流水数据集，确定时间戳与车辆路径数据；
[0026]
第四处理单元，用于根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程。
[0027]
另一方面，本技术还提供一种高速公路车辆可疑行程分析装置，包括：
[0028]
至少一个处理器；
[0029]
至少一个存储器，用于存储至少一个程序；
[0030]
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现
如发明内容中任一项所述一种高速公路车辆可疑行程分析方法。
[0031]
此外，本技术还提供一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行如上述任一项所述一种高速公路车辆可疑行程分析方法。
[0032]
本技术的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到：
[0033]
本技术可以根据入口数据集确定异常的车辆数据集，根据高速服务区数据集确定目标服务区数据集，根据门架交易流水数据集确定时间戳与车辆路径数据，通过异常的车辆数据集、目标服务区数据集、时间戳与车辆路径数据最终确定车辆的可疑行程。本方法可以减少人工操作的时间以及频率，可疑提高数据处理的准确度的同时减少人力资源消耗。
附图说明
[0034]
图1为本发明中一种具体实施例中一种高速公路车辆可疑行程分析方法的步骤示意图；
[0035]
图2为本发明中一种具体实施例中一种高速公路车辆可疑行程分析系统的结构示意图；
[0036]
图3为本发明中一种具体实施例中一种高速公路车辆可疑行程分析装置的结构示意图。
具体实施方式
[0037]
下面结合附图详细描述本发明的实施例对本发明实施例中的高速公路车辆可疑行程分析方法、系统、装置和存储介质的原理和过程作以下说明。
[0038]
参照图1，本发明一种高速公路车辆可疑行程分析方法，包括以下步骤：
[0039]
s1、获取高速公路上收费站出入口数据集、高速服务区数据集以及门架交易流水数据集；
[0040]
s2、根据所述出入口数据集，确定异常车辆数据集；
[0041]
s3、根据所述高速服务区数据集，确定目标服务区数据集；
[0042]
s4、根据所述门架交易流水数据集，确定时间戳与车辆路径数据；
[0043]
s5、根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程。
[0044]
进一步地，在本技术的一些实施例中，所述根据所述出入口数据集，确定异常车辆数据集这一步骤，具体可以包括：提取所述出入口数据集中每辆车的收费站车辆入口重量以及收费站车辆出口重量；确定所述出入口数据集中所述收费站车辆入口重量与所述收费站车辆出口重量的重量差均值大于预设阈值的出入口数据集为异常车辆数据集；
[0045]
所述重量差均值满足公式：
[0046][0047]
其中，eni表示收费站车辆入口重量en＝{en1,en2,
…
,enn}中的任一辆车的收费站车辆入口重量，exi表示收费站车辆入口重量ex＝{ex1,ex2,
…
,exn}中的任一辆车的收费站
车辆出口重量|en
i-exi|表示任一辆车的收费站车辆入口重量与收费站车辆出口重量的重量差的绝对值运算。
[0048]
进一步地，在本技术的一些实施例中，所述根据所述高速服务区数据集，确定目标服务区数据集这一步骤，具体可疑包括：获取数据库中的原始高速服务区数据作为样本数据集，提取所述样本数据的特征属性集；根据所述特征属性集以及预设的类变量，构建朴素贝叶斯分类器模型；根据所述高速服务区数据集以及所述朴素贝叶斯分类器模型，确定目标服务区数据集。
[0049]
进一步地，在本技术的一些实施例中，所述根据所述门架交易流水数据集，确定时间戳与车辆路径数据这一步骤，具体可疑包括：提取所述门架交易流水数据集中每个门架交易流水数据的交易时间数据以及车辆的途经门架编码；根据所述交易时间数据，确定时间戳；根据所述途经门架编码，确定车辆路径数据。
[0050]
进一步地，在本技术的一些实施例中，所述根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程这一步骤，具体可以包括：构建决策树模型；根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳、所述车辆路径数据以及所述决策树模型，确定车辆可疑行程。
[0051]
进一步地，在本技术的一些实施例中，所述根据所述特征属性集以及预设的类变量，构建朴素贝叶斯分类器模型这一步骤，具体可以包括：根据所述特征属性集、预设的类变量以及所述贝叶斯公式构建所述朴素贝叶斯分类器模型，其中所述贝叶斯公式：
[0052][0053]
其中ki为类变量，j1,j2,
…
,jd为特征属性集中每个特征属性。
[0054]
进一步地，在本技术的一些实施例中，所述决策树模型可以包括公式：
[0055][0056][0057]
其中ck表示集合d中属于第k类样本的样本子集,di表示d中特征a取第i个值的样本子集。k代表类别，即风险行程和正常行程。
[0058]
下面结合具体实施例说明本技术的数据处理的过程
[0059]
在本实施例中，首先，定位嫌疑车辆；
[0060]
提取收费站车辆入口重量，出口重量，根据经验值设置阈值x，确定g
diff
》x对应的车辆的数据为嫌疑车辆。具体公式为：
[0061][0062]
其中，eni表示收费站车辆入口重量en＝{en1,en2,
…
,enn}中的任一辆车的收费站车辆入口重量，exi表示收费站车辆入口重量ex＝{ex1,ex2,
…
,exn}中的任一辆车的收费站车辆出口重量|en
i-exi|表示任一辆车的收费站车辆入口重量与收费站车辆出口重量的重量差的绝对值运算，x为预设的阈值。可以结合收费站车辆入口重量以及出口重量，初步筛
选嫌疑车辆，得到车辆数据集。
[0063]
其次，定位目标服务区
[0064]
可以以nbm(naive bayes model,朴素贝叶斯)作为核心算法。朴素贝叶斯分类器(naive bayes classifier或nbc)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，nbc模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。
[0065]
参照图2，从数据库中取出高速服务区的数据作为样本数据集d＝{d1,d2,
…
,dn}，对应样本数据的特征属性集如车流量、场地面积、地理位置、管理制度、历史事件等为j＝{j1,j2,
…
,jd}，类变量为k＝{k1，k2，
…
，km}，即d可以分为km类别，本实施例中将分为km两类，一类具备作案条件的服务区为目标服务区，另一类不具备作案条件为排他服务区。其中特征属性j1,j2,
…
,jd相互独立且随机，则k的先验概率p
before
＝p(k)，k的后验概率p
after
＝p(k|j)，贝叶斯公式为：
[0066][0067]
即：
[0068][0069]
本实施例中中，服务区的各特征如管理制度、场地面积等之间相互独立，在给定类别为(目标服务区)的情况下，分子可以进一步表示为如下：
[0070][0071]
演化为：
[0072][0073]
从而得到
[0074][0075]
本实施例中，可以将nbc模型类变量分为两类：一类具备作案条件的服务区为目标服务区，另一类不具备作案条件为排他服务区；特征属性包括了车流量、场地面积、地理位置、管理制度、历史事件等，经过模型训练调优，得到服务区数据集。
[0076]
再次，还原车辆行驶路径；
[0077]
可以先获取所有门架交易流水数据，提取交易时间字段，统一格式化为时间戳类型，得到的交易时间戳数据集合t；然后提取途经门架编码，得到路径数据集合l，通过路径数据集合l还原车辆行驶路径
[0078]
最后，确定可疑行程；
[0079]
以决策树(deci s ion tree)作为核心算法。决策树是一个预测模型，在已知车辆相关各种情况发生概率的情况下，通过构成决策树来求取净现值的期望值大于零的概率，评价车辆风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。分类与回归树(cart——cl ass ificat ion and regress ion tree)是一种非常有效的非参数
分类和回归方法，是决策树的一种重要算法。它通过构建二叉树达到预测目的，由cart模型构建的预测树通常比常规的统计方法构建的代数学预测准则更加准确，且变量越多、数据越复杂，算法的优越性就越显著。决策树模型的划分标准由基尼指数来决定，基尼指数代表所建模型的不纯度，系数越小，不纯度越低，特征越好，成反比关系。公式为：
[0080][0081][0082]
其中表示集合d中属于第k类样本的样本子集,表示d中特征a取第i个值的样本子集。k代表类别，即风险行程和正常行程，故为二分类，表达式可演化为：
[0083][0084]
本实施例中，我们取数据库中的车辆行程数据作为样本数据集；异常车辆数据集为特征数据集；目标服务区数据集作为特征数据集；时间戳作为特征数据集以及车辆路径数据作为特征数据集，通过相关特征的分割，最终依据基尼指数发现可疑行程。
[0085]
此外、参照图2，与图1的方法相对应，本技术的实施例中还提供一种高速公路车辆可疑行程分析系统，包括：获取单元101，用于获取高速公路上收费站出入口数据集、高速服务区数据集以及门架交易流水数据集；第一处理单元102，用于根据所述出入口数据集，确定异常车辆数据集；第二处理单元103，用于根据所述高速服务区数据集，确定目标服务区数据集；第三处理单元104，用于根据所述门架交易流水数据集，确定时间戳与车辆路径数据；第四处理单元105，用于根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程。
[0086]
上述的高速公路车辆可疑行程分析方法实施例中的内容均适用于本高速公路车辆可疑行程分析系统实施例中，本高速公路车辆可疑行程分析系统实施例所具体实现的功能与上述的高速公路车辆可疑行程分析方法实施例相同，并且达到的有益效果与上述的高速公路车辆可疑行程分析方法实施例所达到的有益效果也相同。
[0087]
与图1的方法相对应，本技术实施例还提供了一种高速公路车辆可疑行程分析装置，其具体结构可参照图3，包括：
[0088]
至少一个处理器；
[0089]
至少一个存储器，用于存储至少一个程序；
[0090]
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的高速公路车辆可疑行程分析方法。
[0091]
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0092]
与图1的方法相对应，本技术实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的高速公路车辆可疑行程分析方法。
[0093]
上述的高速公路车辆可疑行程分析方法实施例中的内容均适用于本存储介质实施例中，本存储介质实施例所具体实现的功能与上述的高速公路车辆可疑行程分析方法实施例相同，并且达到的有益效果与上述的高速公路车辆可疑行程分析方法实施例所达到的有益效果也相同。
[0094]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本技术的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0095]
此外，虽然在功能性模块的背景下描述了本技术，但应当理解的是，除非另有相反说明，功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本技术是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本技术。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本技术的范围，本技术的范围由所附权利要求书及其等同方案的全部范围来决定。
[0096]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干程序用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-on ly memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0097]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行程序的定序列表，可以具体实现在任何计算机可读介质中，以供程序执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从程序执行系统、装置或设备取程序并执行程序的系统)使用，或结合这些程序执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供程序执行系统、装置或设备或结合这些程序执行系统、装置或设备而使用的装置。
[0098]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0099]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的程序执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0100]
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
[0101]
尽管已经示出和描述了本技术的实施方式，本领域的普通技术人员可以理解：在不脱离本技术的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本技术的范围由权利要求及其等同物限定。
[0102]
以上是对本技术的较佳实施进行了具体说明，但本技术并不限于所述实施例，熟悉本领域的技术人员在不违背本技术精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。

技术特征：
1.一种高速公路车辆可疑行程分析方法，其特征在于，包括以下步骤：获取高速公路上收费站出入口数据集、高速服务区数据集以及门架交易流水数据集；根据所述出入口数据集，确定异常车辆数据集；根据所述高速服务区数据集，确定目标服务区数据集；根据所述门架交易流水数据集，确定时间戳与车辆路径数据；根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程。2.根据权利要求1所述一种高速公路车辆可疑行程分析方法，其特征在于，所述根据所述出入口数据集，确定异常车辆数据集这一步骤，具体包括：提取所述出入口数据集中每辆车的收费站车辆入口重量以及收费站车辆出口重量；确定所述出入口数据集中所述收费站车辆入口重量与所述收费站车辆出口重量的重量差均值大于预设阈值的出入口数据集为异常车辆数据集；所述重量差均值满足公式：其中en
i
表示收费站车辆入口重量en＝{en1,en2,
…
,en
n
}中的任一辆车的收费站车辆入口重量，ex
i
表示收费站车辆入口重量ex＝{ex1,ex2,
…
,ex
n
}中的任一辆车的收费站车辆出口重量|en
i-ex
i
|表示任一辆车的收费站车辆入口重量与收费站车辆出口重量的重量差的绝对值运算。3.根据权利要求1所述一种高速公路车辆可疑行程分析方法，其特征在于，所述根据所述高速服务区数据集，确定目标服务区数据集这一步骤，具体包括：获取数据库中的原始高速服务区数据作为样本数据集，提取所述样本数据的特征属性集；根据所述特征属性集以及预设的类变量，构建朴素贝叶斯分类器模型；根据所述高速服务区数据集以及所述朴素贝叶斯分类器模型，确定目标服务区数据集。4.根据权利要求1所述一种高速公路车辆可疑行程分析方法，其特征在于，所述根据所述门架交易流水数据集，确定时间戳与车辆路径数据这一步骤，具体包括：提取所述门架交易流水数据集中每个门架交易流水数据的交易时间数据以及车辆的途经门架编码；根据所述交易时间数据，确定时间戳；根据所述途经门架编码，确定车辆路径数据。5.根据权利要求1所述一种高速公路车辆可疑行程分析方法，其特征在于，所述根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程这一步骤，具体包括：构建决策树模型；根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳、所述车辆路径数据以及所述决策树模型，确定车辆可疑行程。6.根据权利要求3所述一种高速公路车辆可疑行程分析方法，其特征在于，所述根据所
述特征属性集以及预设的类变量，构建朴素贝叶斯分类器模型这一步骤，具体包括：根据所述特征属性集、预设的类变量以及所述贝叶斯公式构建所述朴素贝叶斯分类器模型，其中所述贝叶斯公式：其中k
i
为类变量，j1,j2,
…
,j
d
为特征属性集中每个特征属性。7.根据权利要求5所述一种高速公路车辆可疑行程分析方法，其特征在于，所述决策树模型包括公式：模型包括公式：其中c
k
表示集合d中属于第k类样本的样本子集,d
i
表示d中特征a取第i个值的样本子集。k代表类别，即风险行程和正常行程。8.一种高速公路车辆可疑行程分析系统，其特征在于，包括：获取单元，用于获取高速公路上收费站出入口数据集、高速服务区数据集以及门架交易流水数据集；第一处理单元，用于根据所述出入口数据集，确定异常车辆数据集；第二处理单元，用于根据所述高速服务区数据集，确定目标服务区数据集；第三处理单元，用于根据所述门架交易流水数据集，确定时间戳与车辆路径数据；第四处理单元，用于根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程。9.一种高速公路车辆可疑行程分析装置，其特征在于包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7任一项所述一种高速公路车辆可疑行程分析方法。10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7任一项所述一种高速公路车辆可疑行程分析方法。

技术总结
本申请公开了一种高速公路车辆可疑行程分析方法、系统、装置和存储介质，其中方法包括以下步骤：获取高速公路上收费站出入口数据集、高速服务区数据集以及门架交易流水数据集；根据所述出入口数据集，确定异常车辆数据集；根据所述高速服务区数据集，确定目标服务区数据集；根据所述门架交易流水数据集，确定时间戳与车辆路径数据；根据所述异常车辆数据集，所述目标服务区数据集、所述时间戳与所述车辆路径数据，确定车辆可疑行程。本方法可以提高数据处理的准确度。本申请可广泛应用于数据处理技术领域内。据处理技术领域内。据处理技术领域内。


技术研发人员：孙斌杰 席龙 李剑峰
受保护的技术使用者：广州天长信息技术有限公司
技术研发日：2023.03.08
技术公布日：2023/6/28