一种基于高速数据的营运车辆识别方法与流程

本发明涉及道路交通领域，具体是一种基于高速数据的营运车辆识别方法。

背景技术：

1、在保险行业中，普遍存在“私家车跑营运”及“营业货车按非营业承保”的现象，这给保险公司带来了较大的风险。其原因在于，由于部分私家车车主为了获取额外收入，违规从事营运活动，而部分营业货车则为了降低保费，故意按非营业车辆进行承保，这种信息不对称导致了保险公司在承保过程中面临巨大的风险。传统的车辆识别方法主要依赖于车辆登记信息和人工审核，然而这种方法难以有效识别出车辆的实际运营状态，从而加剧了承保风险。为了应对这一问题，保险行业通常采用购买企业数据或公共平台数据的方式来进行风险判断。然而，这些数据源都具有一定的局限性，例如数据不全面、更新不及时、准确性难以保证等。

2、总体来说，传统的车辆识别方法存在以下的缺陷和不足：

3、1、数据源局限性：现有的解决方案主要依赖于购买企业数据或公共平台数据，这些数据通常具有一定的局限性，难以全面、准确地反映车辆的实际运营状态。同时，这些数据的更新速度和准确性也存在问题，导致保险公司在风险判断上存在较大的不确定性。

4、2、识别成本高：购买企业数据或公共平台数据需要付出较高的成本，这对于保险公司来说是一笔不小的开支。同时，由于数据的局限性，即使购买了这些数据，也可能无法达到预期的风险识别效果。

5、3、缺乏实时性：现有的识别方法通常依赖于静态的车辆登记信息和人工审核，难以实现对车辆运营状态的实时监控和动态调整。这导致保险公司在风险判断上存在较大的滞后性，无法及时应对潜在的风险。

6、4、难以应对复杂情况：在实际运营中，车辆的运营状态往往比较复杂多变，例如部分私家车仅在特定时间段从事营运活动，而部分营业货车则可能偶尔按非营业车辆进行行驶。现有的识别方法往往难以应对这种复杂情况，导致识别结果的准确性和可靠性受到质疑。

7、5、缺乏智能化手段：现有的识别方法缺乏先进的智能化手段，如大数据分析和机器学习等，无法深入挖掘车辆数据中的潜在信息，从而实现对营运车辆的精准识别。这限制了保险公司在风险判断上的效率和准确性。

技术实现思路

1、本发明的目的是克服上述背景技术中的不足，提供一种基于高速数据的营运车辆识别方法，以实现营运车辆的精准识别。

2、本发明的技术方案是：

3、一种基于高速数据的营运车辆识别方法，包括以下步骤：

4、s1、采集车辆通行数据与车辆营运状态数据；

5、s2、根据车辆通行数据的多维度特征构建车辆画像；

6、s3、构建训练集与测试集，使用训练集训练车辆识别模型，使用测试集进行检验和评估；

7、s4、对车辆进行营运识别。

8、所述步骤s1中，车辆通行数据包括货车与客车的出口流水数据与通行轨迹数据，车辆营运状态数据为货车与客车的营运状态。

9、所述步骤s2中，车辆画像包括车牌识别标签、收费数据衍生标签、通行特征标签、通行时段分布标签、常进/出站口标签、常通行od标签、机场路线行驶标签、出行离散程度标签、载货量分析标签、超速特征标签。

10、所述步骤s2中：根据出口流水数据提取车辆画像的车牌识别标签与收费数据衍生标签；根据出口流水数据与通行轨迹数据计算车辆画像的通行特征标签、通行时段分布标签、常进/出站口标签、常通行od标签、机场路线行驶标签、出行离散程度标签、载货量分析标签与超速特征标签。

11、所述机场路线行驶标签的计算包括：

12、①机场路线识别：根据地理信息系统数据，获取辖区内所有机场的经纬度，计算与机场i最近的收费站的距离，记为li，将位于机场i距离α·li内的收费站都记为机场收费站，α为距离系数；

13、②机场路线标记：遍历每条行驶记录，将终点或途径点包含机场收费站的行驶记录标记为机场路线行驶记录；

14、③特征计算：统计车辆在选定时间段内行驶至机场收费站的次数，计算车辆在选定时间段内的机场路线行驶记录次数占总行驶次数的比例。

15、所述出行离散程度标签的计算包括方差与常出行od占比；

16、

17、所述超速特征标签包括正常门架断面通过数与超速占比，正常门架断面通过数为车辆经过的正常门架断面的总数，旅行速度超出限速标准的门架的次数占正常门架断面通过数的比例。

18、所述步骤s3中，车辆识别模型为catboost模型，包括客车营运车辆识别模型与货车营运车辆识别模型。

19、所述步骤s3包括，将车辆画像与营运状态数据进行匹配，按比例分为训练集与测试集，使用客车的训练集训练客车营运车辆识别模型，并使用客车的测试集对训练好的客车营运车辆识别模型进行检验和评估，使用货车的训练集训练货车营运车辆识别模型，并且使用货车的测试集对训练好的货车营运车辆识别模型进行检验和评估。

20、所述步骤s4包括：收集待识别的车辆通行数据，构建车辆画像并输入车辆识别模型，得到车辆的营运状态。

21、本发明的有益效果是：

22、1、数据全面性与准确性：本发明通过利用高速公路的通行数据，能够获取到车辆在实际道路运行中的动态信息，包括行驶时间、速度、路线等，这些数据更贴近车辆的真实运营状态。相比传统依赖车辆登记信息和人工审核的方法，高速公路通行数据具有更高的准确性和全面性，能够更准确地反映车辆的运营性质。

23、2、低成本高效益：本发明无需额外购买企业数据或公共平台数据，降低了数据获取成本。并且通过大数据分析和机器学习技术，本发明能够高效处理和分析大量数据，快速识别出营运车辆，提高了识别效率，同时降低了人工审核的成本。

24、3、实时性与动态性：本发明能够实时获取高速公路通行数据，实现对车辆运营状态的实时监控和动态调整。这使得保险公司能够及时发现潜在风险，采取相应的风险管理措施，提高了风险控制的时效性和有效性。

25、4、应对复杂情况的能力：本发明通过深度学习和机器学习算法，能够识别出车辆在不同时间段、不同路线上的运营状态变化。这使得本发明能够应对部分私家车仅在特定时间段从事营运活动，以及部分营业货车偶尔按非营业车辆进行行驶等复杂情况，提高了识别的准确性和可靠性。

26、5、智能化手段的应用：本发明充分利用大数据分析和机器学习等先进技术，对车辆数据进行深入挖掘和分析，通过构建高效的车辆识别模型，本发明能够实现对营运车辆的精准识别，提高了风险判断的智能化和自动化水平。

27、6、可扩展性与灵活性：本发明的技术方案具有可扩展性，能够随着高速公路通行数据的不断丰富和完善，持续优化和提升识别效果。同时，本发明也具有灵活性，能够根据不同保险公司的业务需求和风险偏好，进行定制化开发和调整。

28、综上所述，本发明在数据全面性、成本效益、实时性、应对复杂情况能力、智能化手段应用以及可扩展性与灵活性等方面均表现出显著优势，为保险公司提供了更为准确、高效且低成本的营运车辆识别解决方案。