高速公路貨車GPS 軌跡數據異常分析與研究

許天宇，韓振峰，張 波，馬 靜，王 磊，靳引利

（1.長安大學 電子與控制工程學院，陜西 西安 710000；2.陜西交通控股集團有限公司，陜西 西安 710000；3.陜西省高速公路收費中心，陜西 西安 710000）

0 引 言

目前我國對于高速公路數據的管理存在部門分管、難以交互的問題，例如高速收費站數據是保存在收費部門，而GPS 數據是保存在高速運管部門。在研究高速公路貨車異常行為時，數據之間的不互通容易導致許多問題。本文以貨車的逃費和交通違章這兩類問題為例，分析數據不互通在數據分析中所造成的問題。貨車的逃費行為包含倒換卡、換掛等，造成了巨大的經濟損失；而交通違章行為通常包含強闖ETC、尾隨ETC、套牌等，不僅造成了經濟損失，更是對高速公路交通安全及人身安全造成了威脅。針對貨車逃費行為，已經有許多學者做了相關的研究：通過數據融合、機器學習等方法，能夠發現大部分的逃費行為，并且在部分省的高速公路收費站也得到了實際運用[1-6]。實際中為有效管理貨車運輸的安全，國家通過強制在貨車上安裝GPS 系統進行監測；雖然GPS 的數據與車輛的原始信息綁定之后能夠對倒卡、換卡等逃費行為具有一定的監測作用，但是由于安全監測數據與收費流水數據相互獨立且隔離，貨車的逃費行為仍舊難以察覺。

針對貨車交通違章的現象，目前主要是采用車牌識別、視頻檢測技術等方法進行處理。這些方法往往時效性低，需要收費站錄入數據才能察覺，同時基于圖像處理的檢測技術，存在計算量過大并且對于較為復雜的情況精度較低等問題[7-9]。

綜上可以看出，單獨使用GPS 數據或收費站數據進行異常軌跡車輛的分析，效果并不理想。為了提高車輛識別效率和精確度，本文通過GPS 軌跡數據和收費站數據的融合，對貨車的高速公路通行數據進行分析和處理，確定貨車通行數據中的行為異常點，尋找存在異常行為的貨車，進而有助于尋找存在異常軌跡行為的貨車。

1 GPS 數據處理

1.1 數據預處理

GPS 設備對駕駛車輛空間軌跡信息進行采集，采集的數據主要包括車牌號碼、時間、經度和緯度等信息，但是采集的這些信息不是完全正確可靠的。GPS 數據主要存在數據重復、數據異常和數據缺失的問題。

原始的GPS 數據都存在質量問題，必須經過相應的數據清洗，才能得到有價值和研究意義的數據，同時也方便對數據信息進行進一步的研究和挖掘。因此對于原始數據，需要對其中的異常數據、缺失數據、重復數據進行處理[10-13]。

異常、缺失、重復的數據被清理之后，得到的用于搭建模型的數據項見表1 所列。

1.2 GPS 數據映射

任意兩個門架之間，在一定時間段內會具有車輛全部的通行軌跡，將這些GPS 軌跡數據聚類后能夠在軌跡中找出所需內容與規律。本文在確定已知標準鏈路之上，進行GPS 點映射到標準路徑上的處理，是將GPS 點按最短距離規則映射到標準路線上。GPS 點到標準路徑上的距離分成兩部分，其中一部分為GPS 點到子軌跡段的距離；另一部分為GPS 點到連接點的距離。GPS 點到標準路徑的最短距離示意圖如圖1 所示。

圖1 GPS 點映射到標準路徑上的示意圖

圖中：Q代表GPS 點，A—B—C—D—E是代表一條標準路徑，Qt是BC的垂線，點t是BC與Qt的交點。首先找到前后距離Q最近的兩個連接點B點和C點，過點Q作線段BC的垂線，相交于t點，獲得最短距離Qt，t點就是Q點的映射點。Q點在標準鏈路上的映射點有兩種情況，第一種映射點是連接點，第二種映射點是過GPS 軌跡點的垂線與連接線段的交點。t點的具體計算步驟如下：

利用點斜式公式計算垂線Qt的方程：

利用兩點式方程求取直線BC的方程：

聯立式（1）和式（2）建立方程組，求解出t點的坐標，t就是Q點在標準鏈路A—B—C—D—E上的映射點。

通過以上的數據處理，能夠將復雜、不規律的GPS 軌跡映射到標準鏈路上，并且將折返的重疊軌跡進行平面展開，有助于更好地分析車輛的GPS 軌跡，分析其行為特征。

2 高速公路異常車輛的行為分析

高速公路上存在大量的車輛，其行為與正常在高速公路上行駛的車輛有較大的不同。這些車輛為了完成繞行、換掛、倒卡、換卡等逃費行為，往往需要在高速公路上不斷往返，或者在某服務區停留較長的時間，這導致其GPS 軌跡數據與收費站數據往往有一定的區別。通過分析這些車輛的各種行為，能夠得到這些車輛的GPS 數據與收費站數據中的異常特征。

2.1 偷逃費車輛的行為分析

隨著我國高速公路里程不斷擴張，尤其是2020 年取消省界收費站后，貨車在高速公路上行駛會產生高額的通行費用，容易出現貨車偷逃費行為，一般主要有換掛、倒卡換卡、甩掛甩貨等逃費行為[14-15]。這些偷逃費行為都具有一些相似特征，本節主要針對換掛行為進行分析。換掛是指掛車在高速路上聯合其他掛車通過交換后掛的方式將貨物運送到指定的地點的高速公路車輛行為。換掛逃費是通過縮減系統記錄的行程距離，從而實現減少通行費的目的。換掛逃費往往都是具有系統組織的行為，逃費次數多，逃費總額大。分析其折返軌跡特征，具體換掛逃費行為如圖2 所示。

圖2 換掛逃費行為示意圖

換掛車輛的逃費流程分為四個階段，分別對應T0時刻、T1時刻、T2時刻和T3時刻（T3＞T2＞T1＞T0）。有3 輛掛車，甲掛車攜帶1 號掛箱，乙掛車攜帶2 號掛箱，丙掛車攜帶3 號掛箱。

第一階段：在T0時刻，掛車甲攜帶1 號掛箱，從收費站A 上高速，往前行駛到達a 服務區，掛車乙在a 服務區等待掛車甲。

第二階段：T1時刻，掛車甲和在此等待的掛車乙交換掛箱。掛車甲攜帶2 號掛箱在B 收費站下高速，掛車乙攜帶1 號掛箱向b 服務區行駛。

第三階段：在T2時刻，掛車丙攜帶3 號掛箱，從收費站C 上高速公路，向b 服務區行駛。掛車乙和掛車丙在b 服務區相遇并交換彼此的掛箱，之后，他們繼續向前行駛。

第四階段：掛車丙攜帶掛箱1 行駛到C 收費站下高速，掛車乙攜帶3 號掛箱在高速公路上繼續折返行駛。三輛掛車在高速公路上像這樣周而復始進行換掛逃費。

2.2 交通違章車輛的行為分析

在高速公路上，由于部分駕駛員對安全駕駛行為意識淡薄，所以就存在車輛發生交通違章的情況，相應的也會導致這些車輛產生一些較為異常的GPS 行駛軌跡。目前，國內高速較為常見的違法行為主要有違法停車、超速行駛、違規倒車等情況。

違法停車這一行為在高速公路上較為常見，車輛在高速上長時間的逗留會產生極大的危害，許多駕駛員可能會在高速公路匝道口上隨意停車上下人，在車輛沒有出現故障時就貿然駕駛車輛停到應急車道進行休息或者車輛檢查。

車輛的超速行駛，同樣也是較為常見的容易引發惡性交通事件的違章行為。超速會影響車輛的操作穩定性，極易發生側翻或者傾斜；同時當車輛速度過快時，也會導致駕駛人視野變窄，難以有效地處置車輛前方的緊急情況。

車輛的違規倒車雖然并不常見，但所造成的危害也比較重大。有的車輛可能會在高速出口倒車，也存在有的車輛可能因速度太快或者駕駛員注意力不集中等情況而沒有及時下站，就可能會在行車道倒車，極易導致后車來不及采取措施而發生交通事故。

3 異常特征分析和軌跡數據模型

根據收費站數據與貨車的GPS 軌跡數據，結合第2 節中的分析可得知具有異常GPS 軌跡車輛的軌跡特征；根據異常車輛軌跡的特征能夠在異常車輛的GPS 軌跡中找到其GPS軌跡的異常點。

3.1 異常車輛的GPS 軌跡特征

（1）收費數據異常。異常行為車輛的收費數據異常主要分為兩類：第一類有入無出，截止當前時刻，在收費中心，只有該異常行為車輛進入高速公路收費站的信息，沒有駛離高速公路收費站的信息；第二類是無入無出，截止當前時刻，在收費系統數據中，沒有該車輛進出收費站的信息，但是該車輛此刻卻在高速公路上行駛；第三類是數據異常，如出現通行卡丟失等情況。

（2）時間異常。第一類異常行為車輛會長時間行駛在高速公路上。與正常行駛的車輛相比，異常行為車輛可能長時間不下高速或根本就不下高速公路，在時間上與正常車輛存在明顯的異常。

（3）路徑異常。與正常駕駛的標準軌跡不一致，異常行為車輛在其高速公路行駛軌跡中存在局部子路徑多次重復的現象。例如：異常行為車輛多次在A點和B點進行折返，它的軌跡中就會出現A點到B點的軌跡重疊現象。

3.2 GPS 軌跡異常點

據3.1 節中異常數據的原則，遍歷GPS 軌跡數據和收費站數據，會發現許多路徑異常點，其分為折返點與停留點。折返點的主要特征就是具有一定的折返現象，而停留點的特征是某一個GPS 軌跡點保持不動，停留某段較長的時間。

3.2.1 GPS 軌跡折返點

根據第2 節中異常數據的原則，遍歷GPS 軌跡數據和收費站數據，會發現許多路徑折返點。折返點的主要特征就是具有一定的折返現象。分析出所有GPS 軌跡點中真正的折返點，就可以實現對軌跡劃分和折返次數的統計以及判斷車輛在空間上的折返軌跡。折返點的判斷條件如下：

（1）該點必須能夠聚焦到標準高速路線上；

（2）該點與前一個點和后一個點形成的相對夾角必須是銳角；

（3）該點之后的反向點必須在路徑上持續一段時間。遍歷映射點集合，查找滿足條件的點。

對于給定的GPS 軌跡標準鏈路和GPS 軌跡映射點，折返點的判斷主要取決于以下三個變量：

（1）映射點t聚焦到標準高速路線上，給定GPS 軌跡點坐標、標準鏈路上距離GPS 軌跡點最近的兩個連接點，按照最短距離規則，聯立式（1）、式（2）得到標準鏈路上的映射點t的坐標，折返點映射在該標準路徑上，從而可以計算重復出現點數的路徑，否則，如圖3 所示，不在標準高速線路上屬于換線，則會造成折射點的統計數量缺失。

圖3 映射點換線示意圖

（2）如圖4 所示，對于給定的折返點A、前一點B和后一點C，相對夾角的閾值θ被定義為：

圖4 折返點相對夾角示意圖

式中：dis(A,B)和dis(A,C)分別表示折返點到前一個點的距離和折返點到后一個點的距離。本文設定相對夾角的閾值θth=60°。

（3）如圖5 所示，對于給定的折返點p1和折返之后的反向點p2，折返后反向點持續距離D被定義為：

圖5 折返后反向行駛示意圖

式中dis(p1,p2)表示折返點到折返后反向點的距離。

折返點分布數據見表2 所列，通過大量數據歸納總結特征，當貨車發生折返現象后，一般需要在折返路徑上行駛一段時間，因為高速上存在許多小范圍的折返現象，例如車輛選擇走匝道或者上互通立交轉換等情況，所以折返距離越長說明折返的可能性越大，本文取置信度為0.05，設定持續距離閾值Dth=5 km。

表2 折返點分布數據

在滿足映射點聚焦到標準高速路線上的條件后，如果θ≤θth同時滿足D≥Dth，其中θth和Dth分別表示θ和D的預設閾值，則認為該軌跡點作為折返點。重復執行遍歷軌跡上的各映射點，直到所有軌跡點都被處理完畢，則表明折返點已經全部被檢測。

3.2.2 GPS 軌跡停留點

根據2.1 節中的行為分析，結合實際資料，發現貨車司機往往不會在收費站長時間停留、過夜等，能夠得出貨車長時間停留是一種異常行為。本文通過對貨車GPS 軌跡數據進行處理，得到了軌跡停留點的整合數據，見表3 所列。取0.01的置信區間，可令停留時長超過6 小時的軌跡點為異常點。

表3 停留點數據

4 實驗結果

實驗使用1 臺搭載Windows 10 系統、CPU 為8 核、顯卡為RTX2080Ti、內存16 GB 的計算機。

實驗中采用的原始數據為某省2021 年10 月—12 月收費站的收費數據、門架數據和對應車輛的GPS 數據，經過一系列數據預處理后得到了實驗待測車輛總共20 374 輛。利用上述識別算法對這些車輛的GPS 軌跡數據進行一一識別，在實驗過程中通過對銳角閾值和折返持續時間閾值的調整，發現了具有異常軌跡的車輛。本文以其中一輛為例，分析其行駛過程中的異常軌跡。其GPS 軌跡如圖6 所示。

圖6 異常車輛的GPS 軌跡

車輛從韓城開往乾縣，整個路段劃分為A（韓城匝道至合陽匝道）、B（合陽匝道至荊姚匝道）和C（荊姚匝道至乾縣匝道）三段。該車輛在B 路段有軌跡重復的現象，將該路段向下“舒展”開，如圖6 深色軌跡部分所示。實驗結果表明該車輛在B 段往返折疊的軌跡有7 次，具有重大的換掛嫌疑。為了測試算法的有效性，通過實地選取實驗車輛進行測試，實驗車輛在高速公路上進行來回折返駕駛，通過算法可以準確識別出實驗車輛，驗證了算法的有效性。

5 結 語

本文研究了貨車異常GPS 軌跡數據，對GPS 數據進行清洗處理，同時將GPS 軌跡點數據映射到標準鏈路上，然后對高速公路異常車輛的行為進行分析，并針對異常特征提出一種識別軌跡異常的檢測方法。最后通過實際數據驗證了該方法的有效性。從結果中得出，本文所提出的檢測算法對于識別異常軌跡車輛有著不錯的效果，有助于降低稽查部門工作強度。