緝查者

中圖分類號：U471 DOI：10.20042/j.cnki.1009-4903.2025.02.011

Abstract：Tistieonsuctst“ivestigator”modeliingtetivelyombateriialactofgetrucksaingay toll.Inviewofteprobmtatsomenterpsnddiversintfrehtidustrylegalladetoltoduecoststmodelue bigdataandinformationtechnologtontegratedataresourcessuchasTCtolldataofhghwaytollstations，real-timeveiclepasing records，nddriveriformationBynalyingECdatainealtie，omparingeicleiformationandmatcingecsddrirs mobilephoneswithIMSlcodes，wecanthenanalyzeandidentfygangmembers throughthetemporalandspatialrelationshipbetween peopleandvehiclesanddeterminetheidentityofthepersonsinvolvedinthecaserelyingonthereal-nameauthenticationofmobile phonenumbers.Themodelrealizesintellgentminingofcuesoffareevasioncrimes，andtheactualcombataccuracyisashighas 95% Theapplicatioftisodelefctivelyeucestelossofhaytolsimproeslgisticsefencyaintainsocialisad justiceandtraicdndisofgreatsifaneforpromotitholoicalprossieidustrydosdustrati It providesa powerful tool for combating fare evasioncrimes.

Keywords：Inestigator;Largetrucks;Evasionofhighaytols;EC;Spatiotemporalacompaniment; Humanumberauthenticatin relationship

0 引言

隨著我國經濟的快速發展，運輸行業在國民經濟中扮演著舉足輕重和越來越重要的角色。高速公路作為貨物運輸的重要通道，其通行費用的收取不僅關乎高速公路運營方的經濟利益，也直接影響到整個交通網絡的服務質量和市場公平競爭的環境。近年來，電子不停車收費系統（ETC）的廣泛應用，旨在提高車輛通行效率，減少人工收費的繁瑣流程。然而，一些不法分子卻利用ETC系統的漏洞，通過復雜的操作手段進行逃費活動。其逃費手段多種多樣，如減程逃費、降檔逃費、棄卡逃費等，每一種方式都經過精心設計，旨在規避高速通行費用的繳納。這不僅造成了高速公路運營方的巨大經濟損失，也嚴重破壞了市場的公平競爭秩序。這些逃費行為不僅具有高度的隱蔽性，而且往往涉及有組織的犯罪團伙，給交通管理和犯罪偵查工作帶來了極大挑戰。

面對這一嚴峻形勢，傳統的交通監管和收費核查手段顯得力不從心。人工檢查不僅效率低下，而且容易出現疏漏，無法及時準確地發現和制止貨車脫逃通行費的行為。因此，迫切需要一種新的技術手段來應對這一挑戰。在此背景下，“緝查者”模型應運而生。該模型從打擊貨車逃費類案出發，充分發掘內部數據潛力，利用大數據和信息化技術，實現了對犯罪線索的智能挖掘。

“緝查者”模型通過對車輛相關數據的采集和分析，能夠精準地識別出逃費車輛和犯罪嫌疑人。該模型不僅打破了傳統人工核驗周期長、難度大的現狀，而且能夠實現對犯罪線索的線上智能追蹤，大大提高了打擊逃費犯罪的效率和準確性。隨著數據資源種類的不斷充實和圖碼聯偵技術的不斷成熟，“緝查者”模型將在打擊貨車脫逃費犯罪方面發揮越來越重要的作用。

本文旨在詳細介紹“緝查者”模型的研究背景、設計思路、實施方法以及取得的成效。通過對該模型的深入剖析，我們希望能夠為交通管理和犯罪偵查工作提供新的思路和方法，推動交通行業的健康發展，維護市場的公平競爭秩序，為社會的和諧穩定做出積極貢獻。

1高速通行逃費識別的研究

通過調查發現，貨車逃費手段具有多樣化，我們根據逃費的嚴重程度對其中3類主要手段進行研究。

1.1減程逃費

減程逃費是基于ETC系統識別車型不變的情況下，通過交換貨物或ETC卡片（標簽）的方式來達到目的，其特點為：車型不變，互相倒換，減少路程。我們通過調查研究，總結出2種關于減程逃費的手段：

一是U/J型行駛逃費：U型逃費是指貨車人為中途從某處調頭，從入口站駛出高速公路的車輛；J型逃費是指貨車中途從某處轉向，從入口站以外的其他附近站點駛出高速公路的車輛，主要通過2輛車在中途服務區換貨的方式達到逃繳通行費用的目的（如圖1所示）。

二是互換ETC卡片（標簽）行駛逃費：同一段路程的2輛“車型相同”的貨車分別從起點和終點出發相向而行，在中途互換ETC卡，不掉頭仍按原方向行駛，并在另一輛車的入口站或入口站以外的其他附近站點駛出高速公路（如圖1所示）。

1.2降檔逃費

降檔逃費是基于改變ETC系統識別的車型，來達到減費的目的。其特點為：車型變換，路程不變，降低標準。我們通過調查研究并總結出2種方式：

一是大貨車與“送卡車”ETC設備的互換。在高速公路收費體系里，大貨車由于車身龐大、載重多，對道路損耗大，而“送卡車\"作為小型車輛，收費標準相對較低。不法分子為謀取私利，事先準備好小型“送卡車”攜帶多套ETC標簽設備。當大貨車駛入高速時，使用ETC正常通行；在行駛途中，駕駛員擇機將大貨車的ETC設備取下，與同行小型“送卡車”上的ETC進行調換。等到大貨車出站時，收費系統依據ETC反饋的信息識別車輛信息，由于此時大貨車上裝的是小型卡車ETC設備，致使系統誤判為“小型車”，按照小型車標準計費。原本大貨車需繳納高額通行費，經此“降檔”操作，需交費用大幅降低。（編者注：關于“送卡車”這一概念，后面還會談到。）

二是特殊的降檔逃費。脫逃費團伙成員之一（考慮收費站工作人員監守自盜）將小型車（如轎車、私家車）的ETC裝到車身上，然后從ETC口旁走過，讓ETC系統識別到并將擋桿抬起，抬起后通知大貨車駕駛員通過；當大貨車通過后，其在高速公路上的通行費便是按照小型車（如轎車）的費用來計算，此舉便達到了逃費目的。本項目團隊成員經過到多地市局、高速收費站、ETC公司等地調研，發現ETC系統自身存在漏洞：無論是轎車還是大貨車，刷ETC的上站原理都是車載ETC與ETC站口感應裝置進行匹配感應，當系統感應到車輛ETC后，擋桿抬起，車輛經過后擋桿落下，同時ETC系統記錄下該車ETC的入站或出站信息。只有當車輛經過后，站口擋桿才會落下；如果沒有車輛經過，擋桿會一直保持抬起狀態。

1.3棄卡逃費

棄卡逃費的特點是：在高速公路入口處領取“人工卡”進站，中途棄卡另送其他設備，通過“車型”變換，減少路程和費額。

棄卡逃費是指大貨車駕駛員從高速入口人工通道領取人工卡進站，行駛一段時間后將人工卡丟棄，然后在終點附近的服務區或者收費站口，有私家車將一個從離大貨車終點最近的收費站，刷小轎車ETC標簽進站的作案ETC標簽交給大貨車（調研發現，ETC卡片上下（進出）站識別，系統只識別出該ETC卡片的注冊車輛，而不是攜帶該ETC卡片（標簽）的實時車輛），然后大貨車下站時再從ETC站口刷ETC卡片下站（出站），這樣通行費計算的不僅是按轎車計算而且通行路程也減少很多。

此種逃費是逃費數額最大的方式，而且多為團伙作案，屬于是有預謀的大型犯罪。

2 模型的構思與設計

由于現存各職能部門存在信息壁壘，溝通協調時間長，諸多因素導致信息共享難，多方數據無法實時傳輸，存在信息嚴重滯后性以及封閉性等問題，以至于現有類似模型打擊脫逃費犯罪的效率低、見效慢、結案少、追贓難。本項目（模型）團隊前期與多方部門取得聯系，以期該模型能夠作為橋梁連接這幾個數據庫，付諸實時打擊。

我們研究的模型與其他模型的區別，在于我們是對高速公路收費站ETC通行數據進行實時分析，將使用ETC系統過站的車輛搭載的ETC數據（登記在ETC系統中的車型車牌等相關信息）與實際過站的車輛型號、車牌進行記錄比對，匹配碰撞出異常數據。

模型的構思是通過搜集站口的ETC數據和上下站車輛的卡口數據，通過人工智能算法對數據進行預處理，并把預處理的數據進行特征分析，得到初步預測的模糊數據。接著將模糊數據與下站附近的卡口數據進行匹配碰撞得到嫌疑車輛，再將嫌疑車輛ETC上下站時間與歸一平臺中IMSI碼采集時間進行匹配碰撞，多次吻合的即為車輛駕駛員的手機IMSI碼。通過IMSI碼關聯出的手機號與各類人號關聯數據進行比對碰撞，進而獲取駕駛人身份。經過實測得出的結論是模型打擊準確率高達 95% 。模型的設計路線如圖2。

項目思路可以總結為以下幾個方面：

首先，發現ETC設備通行伴隨關系，并進行角色分類。通過對ETC設備與車輛的伴隨關系的分析，發現“送卡車”的典型特征通常是：實際只有一輛車通行，但是其攜帶多個ETC設備，導致ETC系統顯示多個車輛在同車道、同方向通行，且間隔時間極短。該模型將符合這類特征的車輛歸類為\"送卡車”。此外，ETC系統還會顯示只有入站信息、沒有出站信息的車輛，將這類車輛歸類為冒用ETC貨車。

其次，通過人車時空伴隨關系圈定團伙成員手機號碼。通過多次碰撞對比，鎖定嫌疑車輛，通過門架系統和車輛通行附近的卡口基站信息，鎖定同一時間內伴隨車輛位置信息，且與車輛軌跡多次重合的手機IMSI碼，從而確定伴隨車輛的人員的手機號碼。

最后，利用人號認證關系確定涉案人員身份信息。基于手機號碼實名認證制度，就打擊高速公路脫逃費犯罪方面，公安機關與通信運營商達成協作，授權給該模型：在明確犯罪事實且鎖定犯罪嫌疑人手機號碼后，該模型自動查詢手機號關聯的個人身份信息。

在此期間，項目團隊與技術支撐公司保持聯系溝通，后者為團隊操作進行指導，提供相對應的服務器參數，并進行模型測試和維護升級，方便團隊對該項目的研究。

3算法設計與方法

3.1數據集準備

車牌光學字符識別核心函數def license_plate_ocr（input_image）：\"\" 基于 LPRNet 模型的車牌識別函數

參數：

input_image （numpy.ndarray）：輸入BGR格式車牌圖像，尺寸需包含完整車牌區域

返回：

str：識別出的車牌號碼字符串

III

try：

#圖像標準化處理

standardized_img Σ=Σ cv2.resize（input_image，（94，24））# 調整至模型輸入尺寸

processed_img Σ=Σ preprocess（standardized_img）#執行 歸一化/通道轉換

#模型推理

model_output Σ=Σ Iprnet（processed_img）#前向傳播獲取預測張量

#解碼輸出

license_number Σ=Σ decode_prediction（model_output）# 轉換預測結果為可讀字符串

return license_number

except Exceptionas e：

print（f\"OCR處理異常：{str（e）}\"）

return\"識別失敗\"

4價值與意義

4.1經濟與社會效益

通過精準監控貨車逃費行為，模型可減少高速公路通行費流失約 30% ，年挽回經濟損失超億元，保障公路建設資金的可持續性。同時，模型通過關聯車輛軌跡與駕駛員身份信息，有

效打擊有組織逃費犯罪，案件偵破效率提升 40% ，顯著遏制非法行為對市場公平競爭環境的破壞，維護合法運輸企業權益。

4.2大數據驅動創新

模型整合了ETC通行數據、車輛實時記錄及基站IMSI碼等多源數據：通過時空分析和模式挖掘，實現逃費行為識別與駕駛員身份鎖定。其技術框架可為物流路徑優化、車輛使用分析等場景提供數據應用范例，推動交通行業智能化升級。

4.3法治與社會治理

逃費行為直接損害社會公平與法治秩序。模型通過實名認證技術鎖定涉案人員，并為走私、車輛盜竊等跨領域犯罪提供線索支持，強化社會治安管理能力。

5 項目前景

貨車脫逃通行費是一種不公平的行為，損害了合法繳費者的利益，破壞了市場公平競有環境。該項目通過技術手段打擊這種違法犯罪行為，維護了社會公平正義。同時，項目中的數據關聯和身份識別技術有助于加強社會治安管理。例如，在打擊其他涉及車輛的違法犯罪活動時，如走私、盜竊車輛等，項目所建立的數據系統可以提供有力的線索和證據，保障社會的法治秩序。

5.1技術創新與合作

（1）推動行業技術進步：項目在數據整合、分析和應用方面的技術創新，可以為交通行業的數據化、智能化發展提供借鑒和范例。例如，IMSI碼采集與車輛身份關聯技術的成功應用，可能會在智能交通領域得到更廣泛的推廣。

（2）促進跨行業合作：項目的實施需要高速公路運營方、電信運營商、交通管理部門、技術研發企業等多個行業的參與和合作。這種跨行業合作模式有助于打破行業壁壘，促進資源共享和優勢互補，推動整個產業鏈的協同發展。

5.2發展與目標

當今時代是大數據時代，數據成為重要的生產要素。該項目充分利用了高速公路收費站數據、ETC系統數據等海量數據資源，并通過數據挖掘、匹配和分析等手段，挖掘出有價值的信息，如貨車逃費行為模式、駕駛員身份識別等。這不僅符合大數據時代對數據利用的要求，還為其他行業的數據應用提供了范例。

項目中涉及到多種先進技術的應用，如ETC系統數據、歸一平臺IMSI碼采集系統、車輛實時過車記錄系統等。這些技術的集成和應用是智能交通發展的重要體現。通過對多源數據的整合和分析，可以實現交通的智能化管理，提高交通運行效率。

隨著數據資源種類的不斷充實，圖碼聯偵技術的不斷成熟，數據分析工具的不斷升級，刑偵部門將更快、更精準地打擊犯罪、化解風險，持續打造平安穩定的社會環境。

（注：本文系國家級大學生創新創業訓練計劃項自成果，項目號：202411788001，項目名稱：緝查者—一打擊大貨車脫逃費犯罪線索挖掘模型。）

參考文獻

[1王恒昆，谷金，宋之凡，等.基于iTransformer的高速公路通行費精準預測模型[J/OL].山東科學，1-9[2024-12-29]2-8）.

楊培紅，張琳琳，張斌年，等.青海高速公路車輛“先行后付”系統設計及應用[J].中國交通信息化，2024，（11）.67-70.D0I.10.13439（2.1-3.2.8）.[3羅佳潔.基于機器學習的高速公路逃費方式識別算法研究[D].華東交通大學，2023.D0I.10.27147（9—62）.

[4]楊朋濤.基于大數據的通行費異常車輛識別算法研究[D].重慶交通大學，2020.DOI.10.27671（2—69）.

[馬飛虎，雷皓安，孫翠羽，等.基于RFE-OPTUNA-XGBoOSt模型的高速公路逃費模式識別[J].應用科學學報，2024，42（05）.857-870（1.1.1-3.3）.王偉，陳劍，邱先文.大車小標與假冒集裝箱運輸車輛專項治理[J].中國交通信息化，2024（03）：140-143.D0l.10.13439（2.1—4.2）.

[魏強．江蘇寧宿徐高速通行費逃繳綜合治理研究[D].揚州大學，2024.DOI.10.27441（5—49）.

[8羅佳潔.基于機器學習的高速公路逃費方式識別算法研究[D].華東交通大學，2023.D0I.10.27147（19—62）.

[9]蔣春山.高速公路通行卡逃費的稽查管理探析[J].黑龍江交通科技，2022，45（12）.185—187，D0I.10.16402[3-4（7）].

[10]四川省交通投資集團有限責任公司.四川打逃：追繳近百方，人判十年半[J].中國公路，2021（02）：32-33.D0I.10.13468（案件回顧）

[川張廣穆.廣東高速公路亟需實行計重收費[J].粵港澳市場與價格，2006（08）.38-39.D0I.10.13814（實施計重收費的原則）