劉玉喆,保麗霞,吳金友,祁 坤,苗燁麒,劉 輝

[1.上海市城市建設(shè)設(shè)計(jì)研究總院（集團(tuán)）有限公司,上海 200125; 2.上海市地下空間設(shè)計(jì)研究總院有限公司,上海 200125;3. 上海國(guó)際汽車(chē)城（集團(tuán)）有限公司,上海 201805; 4. 吉林大學(xué),吉林 長(zhǎng)春 130012]

0 引言

高速公路的建設(shè)促進(jìn)了各地區(qū)的經(jīng)濟(jì)聯(lián)系，有效拉動(dòng)內(nèi)需，對(duì)中國(guó)經(jīng)濟(jì)的發(fā)展起著關(guān)鍵作用，其中高速公路收費(fèi)是提高高速公路效益的必要手段。但隨著駕駛里程的增加，高速公路產(chǎn)生的費(fèi)用也會(huì)增加。因此部分駕駛員懷著僥幸心理運(yùn)用各種手段逃繳通行費(fèi)。典型的逃費(fèi)行為包括：（1）交換卡逃費(fèi)，主要存在于固定線(xiàn)路客車(chē)、集團(tuán)貨運(yùn)車(chē)隊(duì)和私人車(chē)隊(duì)。通過(guò)交換通行卡或前端車(chē)輛，達(dá)到少交過(guò)路費(fèi)的目的；（2）沖擊收費(fèi)道，通常是指后車(chē)緊隨前面車(chē)輛，達(dá)到逃避收費(fèi)的目的；（3）干擾和逃避重量逃費(fèi)，該方式是逃費(fèi)的主要方式。此外還存在反轉(zhuǎn)貨物、更換主軸箱、吊掛等逃避重量的方式；（4）偽造專(zhuān)用車(chē)輛逃費(fèi)，是指利用政府對(duì)某些車(chē)輛減免稅的政策，如使用假卡、假證件、偽裝商品等逃避過(guò)路費(fèi)。這種現(xiàn)象不僅擾亂了交通運(yùn)輸運(yùn)營(yíng)的秩序，甚至對(duì)駕駛員的生命財(cái)產(chǎn)造成嚴(yán)重的威脅，不利于高速公路的長(zhǎng)期平穩(wěn)發(fā)展。

為此，不少學(xué)者針對(duì)高速公路逃費(fèi)檢測(cè)問(wèn)題進(jìn)行深入研究。高速公路收費(fèi)數(shù)據(jù)具有數(shù)據(jù)量大且復(fù)雜度高的特點(diǎn)。薛璞[1]建立了基于大數(shù)據(jù)及數(shù)據(jù)挖掘技術(shù)收費(fèi)逃費(fèi)檢測(cè)模型。李松江等[2]提出了IGA-IBP算法實(shí)現(xiàn)了高速公路的逃費(fèi)預(yù)測(cè)，通過(guò)優(yōu)化遺傳算法中的變異算子來(lái)減少誤差以及提高收斂速度。鄒嵩涵[3]首先基于密度峰值的特征選擇算法對(duì)高速公路數(shù)據(jù)集進(jìn)行降維，然后通過(guò)K-Means算法自適應(yīng)確定DBSCAN聚類(lèi)算法的參數(shù)，提高了逃費(fèi)檢測(cè)的效率。Zhao等[4]采用基于負(fù)荷權(quán)重的高斯混合模型（Gaussian mixture model，GMM）的聚類(lèi)方法來(lái)識(shí)別運(yùn)輸車(chē)輛的逃費(fèi)行為。該方法借助不同行駛循環(huán)的載荷分布存在的顯著差異，對(duì)不同行駛循環(huán)中的載荷重量進(jìn)行測(cè)試，以此確定某一行駛循環(huán)中載荷近似為高斯混合分布（Gaussian mixture distribution，GMD）。然后，通過(guò)GMM對(duì)某一行駛循環(huán)中歷史車(chē)輛的載荷進(jìn)行聚類(lèi)。借助于期望最大化（Expectationmaximization，EM）算法用于計(jì)算GMM的參數(shù)。最后，根據(jù)高斯分布的3σ準(zhǔn)則，科學(xué)地得出合理的裝車(chē)間隔，區(qū)分運(yùn)輸車(chē)輛逃費(fèi)行為。康振等[5]采取貝葉斯分析的方法對(duì)歷史數(shù)據(jù)中通行行為指標(biāo)進(jìn)行篩選，并結(jié)合最大熵模型確定指標(biāo)權(quán)重，完成對(duì)車(chē)輛逃費(fèi)的預(yù)測(cè)與檢測(cè)。

鄭再超等[6]對(duì)解決逃費(fèi)現(xiàn)象的理論對(duì)策和技術(shù)手段進(jìn)行了總結(jié)，并指出研究人員可進(jìn)一步改進(jìn)算法水平，提高數(shù)據(jù)預(yù)測(cè)的精確度。這是由于高速公路逃費(fèi)行為比正常駕駛行為少得多，是典型的數(shù)據(jù)不平衡分類(lèi)問(wèn)題，導(dǎo)致目前對(duì)逃費(fèi)檢測(cè)精度不夠高。近年來(lái)，對(duì)抗性訓(xùn)練，尤其是生成式對(duì)抗網(wǎng)絡(luò)[7]（Generative Adversarial Nets，簡(jiǎn)稱(chēng)GAN），在類(lèi)間不平衡的異常檢測(cè)中占據(jù)著越來(lái)越重要的地位。GAN最初由Goodfellow等人提出，被視為一種無(wú)監(jiān)督機(jī)器學(xué)習(xí)算法，在圖像識(shí)別、異常檢測(cè)等領(lǐng)域均取得了顯著的應(yīng)用效果。為此，該文嘗試使用GAN來(lái)提高逃費(fèi)檢測(cè)的精度。

1 高速公路逃費(fèi)類(lèi)型分析與特征選取

隨著中國(guó)經(jīng)濟(jì)與技術(shù)的進(jìn)步，高速公路的收費(fèi)模式逐漸由全封閉式進(jìn)口收費(fèi)/出口驗(yàn)票的人工收費(fèi)方式，轉(zhuǎn)變?yōu)镋TC聯(lián)網(wǎng)及不停車(chē)收費(fèi)方式。雖然高速公路收費(fèi)方式在不斷變化與改進(jìn)，但對(duì)應(yīng)的逃費(fèi)方式也在不斷變化。由早期的兩車(chē)倒（換）卡、卸車(chē)頭甩掛、計(jì)重貨車(chē)“墊磅”等方式，轉(zhuǎn)變?yōu)楦w化、隱蔽化的方式。例如入口車(chē)牌卡號(hào)不符、出入口車(chē)型車(chē)種不符、通行時(shí)間過(guò)長(zhǎng)或過(guò)短、短程重載或長(zhǎng)程空載、通行時(shí)間重疊、車(chē)重降低、車(chē)型變更、假冒特殊車(chē)輛等。

在原始的逃費(fèi)數(shù)據(jù)集中包含多個(gè)屬性，但并不是所有屬性均對(duì)逃費(fèi)檢測(cè)模型有促進(jìn)作用。相反地，過(guò)多的屬性會(huì)產(chǎn)生“維度災(zāi)難”與過(guò)擬合的問(wèn)題。因此需要合理選擇合適的特征，不僅能加快模型的訓(xùn)練速度，還能獲得更高的準(zhǔn)確度。為此該文基于典型高速公路逃費(fèi)類(lèi)型選擇合適的數(shù)據(jù)屬性，具體如表1所示。

表1 所選擇的特征屬性

2 基于GAN的逃費(fèi)檢測(cè)模型

2.1 問(wèn)題表述

2.2 模型結(jié)構(gòu)

如圖1所示為該文所提出的基于GAN的高速公路逃費(fèi)檢測(cè)模型的網(wǎng)絡(luò)架構(gòu)，該模型由兩個(gè)部分組成：生成器與判別器。

圖1 網(wǎng)絡(luò)架構(gòu)

2.3 損失函數(shù)

由于該模型中采用了編碼-解碼-編碼的網(wǎng)絡(luò)結(jié)構(gòu)，因此該文的損失函數(shù)包含三部分：欺詐損失、表面損失以及潛在損失。

欺詐損失的目的是誘導(dǎo)判別器將生成器產(chǎn)生的數(shù)據(jù)誤識(shí)別為正常樣本，定位如下：

表面損失用來(lái)測(cè)量真實(shí)樣本與生成樣本之間的距離，即：

對(duì)于判別器，該文采用Salimans[9]等人提出的特征匹配損失進(jìn)行對(duì)抗學(xué)習(xí)，以降低GAN訓(xùn)練的不穩(wěn)定性。

此外，該文使用Adam優(yōu)化器來(lái)更新等式（7）與（8）。

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)數(shù)據(jù)采用河北省2018年收費(fèi)系統(tǒng)中記錄的全省高速公路所產(chǎn)生的流水?dāng)?shù)據(jù)。車(chē)輛每次進(jìn)入和駛出收費(fèi)站都會(huì)在相應(yīng)的入口記錄表和出口記錄表中留下一條記錄，每條記錄記錄了車(chē)輛、收費(fèi)站、交易和系統(tǒng)操作等信息。依據(jù)實(shí)例的完整度共篩選出960 000條數(shù)據(jù)，并劃分為80%作為訓(xùn)練集，20%作為測(cè)試集。

3.2 評(píng)價(jià)指標(biāo)

3.3 實(shí)驗(yàn)結(jié)果與算法對(duì)比

數(shù)據(jù)分類(lèi)預(yù)測(cè)模型算法較多，為了驗(yàn)證預(yù)測(cè)結(jié)果的性能，選取了決策樹(shù)（Decision Tree，DT）、人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）、支持向量機(jī)（Support Vector Machine，SVM）、孤立森林（Isolation Forest，IF）與該文所提出的GAN 模型進(jìn)行比較。對(duì)比結(jié)果如表2所示，可以看出，該文提出的GAN模型的性能最佳。

表2 對(duì)比結(jié)果

4 總結(jié)

高速公路聯(lián)網(wǎng)收費(fèi)系統(tǒng)的建設(shè)，使高速公路運(yùn)營(yíng)管理變得更加科學(xué)高效。然而，車(chē)輛逃費(fèi)手段多種多樣，不僅導(dǎo)致高速公路通行費(fèi)收入的極大損失，更影響交通安全。該文所提出的基于GAN的逃費(fèi)檢測(cè)算法主要包含兩大模塊：生成器與鑒別器，利用生成器生成期望的正常行為并使用鑒別器區(qū)分正常與異常行為。實(shí)驗(yàn)結(jié)果表明，該文所提出的算法具有更高的準(zhǔn)確度。將此算法應(yīng)用于高速公路收費(fèi)管理運(yùn)營(yíng)系統(tǒng)中，可有效提升稽查自動(dòng)化與智能化水平。