基于通行异常行为的高速公路车辆信用度评价模型与算法研究

为了应对层出不穷的逃费作弊手段,提升高速公路运营管理部门的逃费稽查水平,研究了基于车辆通行大数据的可疑逃费车辆的评价方法。在分析大量通行流水数据的基础上,给出了逃费车辆存在的11种通行异常行为,提出了基于异常行为出现次数的车辆信用度评价模型,实现了对车辆逃费可疑度的量化。利用基于加权平均的多属性效用算法,计算出所有车辆的信用度值。经实际应用验证,正确率达33%,表明模型在较小程度上有一定的合理性和正确性。在此基础上,利用BP神经网络算法对模型进行了改进。研究结果表明,利用改进模型推荐得到的逃费可疑车辆,稽查正确率上升至67%,可大幅提高稽查人员的工作效率,取得了比较满意的效果。