一种高速公路鲜活农产品绿色通道车辆快速稽查方法技术

一种高速公路鲜活农产品绿色通道车辆快速稽查方法系统,其能够实现对于真假绿通车辆的快速稽查和判断。这种高速公路鲜活农产品绿色通道车辆快速稽查方法，包括以下步骤：(1)采用SMOTE算法对不平衡数据集进行预处理；(2)使用二元Logistic回归模型进行车辆分类。

A fast inspection method for vehicles in green passage of fresh agricultural products on Expressway

【技术实现步骤摘要】
一种高速公路鲜活农产品绿色通道车辆快速稽查方法
本专利技术属于智能交通的
，具体地涉及一种高速公路鲜活农产品绿色通道车辆快速稽查方法。
技术介绍
为了提高鲜活农产品的运输效率，从2005年国家发改委、交通运输部等七部委联合制定《“绿色通道”建设实施方案》至今，全国所有收费公路均纳入了“绿色通道”范围，极大的促进了鲜活农产品的运输发展。按照规定，鲜活农产品运输车辆整车或合法混装指定鲜活农产品不超过核定载重或车厢容积20％，并且超载不超过5％的车辆属于合法的“绿通车”，予以减免通行费。但是，为了经济利益不少司机假冒绿通车来偷逃通行费的情况频繁发生，目前常见的假冒绿通车方式主要可以分为装载的率不合格以及货物混装两种情况，其中装载率不合格包括装载的鲜活农产品不足和过量装载，货物混装包括鲜活农产品与非鲜活农产品混装以及鲜活农产品与不属于免费范围的鲜活农产品混装。复杂多样的逃费方式给高速公路运营部门造成了巨大的经济损失，同时也增加了相关部门工作人员的工作难度和工作量，严重影响了高速公路正常的运营管理。目前收费站对绿通车都实行先登记、再查验，并且对所有车辆全部查验、逢车必查，由于缺乏有效信息指导，收费站工作人员需对每辆进站的绿通车均需无区别化仔细查验。主要的查验方式有两种，一种是用钴60射线透视检测设备，准确率高，但投入成本大，对运输的食物和收费站人员都有辐射危害隐患；另一种查验方式，就是依靠人工查验判断，对车辆四周及货物进行拍照，对封闭的不易开厢检查的车辆难以准确查验。人工查验货物的耗时约5-10分钟/车。人工登记和查验的方式耗时较长，造成收费站绿色通道通行速度慢，易引起车辆排队拥堵，不利于保畅。按较快速度5分钟登记并查验一辆绿通车估算，若遇繁忙时段绿通车到达收费站时前方已有5辆车排队，则他需经过半小时后才能过站，影响鲜活农产品运输的时效性。跨省运输车辆需要多长查验，不仅耽误运输时间，由于多次对鲜活农产品进行查验，对于生鲜、绿色蔬菜等容易造成损害，从而造成产品价值降低。另一种查验方式是放射性透视查验，一般是用钴60射线透视检测设备，准确率高，但门架射线查验设备因价格昂贵，安装场地要求高、投入成本大，对运输的食物和收费站人员都有辐射危害隐患，数据成像不直观等原因只在少部分主线收费站安装。随着信息技术发展，目前出现了采用便携式查验终端对绿通车辆进行查验登记，主要采用便携式设备与内窥镜等相结合，进行电子化登记，在提高检验效率，增加数据完整性、降低统计工作量方面有显著效果，但是对于绿通车辆管理来说，仅仅是作为目前人工查验的一种信息化辅助手段。根据国家目前绿通管理政策要求，未来将逐步由逢车必检过度到重点抽检上来，因此本专利重点关注在绿通车辆查验数据积累的前提下，对绿通车数据进行数据挖掘，发现内在的机理，建立合适的分类模型准确快速的检测通行车辆种类，有效的提高稽查效率，优化收费站的服务水平。本专利充分考虑了绿通车辆的历史行为分析，创造性的采用基于Logistic回归分析建立非绿通车预警模型，能够更准确的分类非绿通车，有助于实现对于绿通车辆的快速稽查和判断。
技术实现思路
本专利技术的技术解决问题是：克服现有技术的不足，提供一种高速公路鲜活农产品绿色通道车辆快速稽查方法系统,其能够实现对于真假绿通车辆的快速稽查和判断。本专利技术的技术解决方案是：这种高速公路鲜活农产品绿色通道车辆快速稽查方法，该方法包括以下步骤：(1)采用SMOTE算法对不平衡数据集进行预处理；(2)使用二元Logistic回归模型进行车辆分类。本专利技术采用基于SMOTE算法的Logistic回归模型，利用多元数据对车辆进行分类预测，为快速检测车辆提供一种有效的方法，能够实现对于真假绿通车辆的快速稽查和判断。附图说明图1是本专利技术方法的实施流程图。具体实施方式如图1所示，这种高速公路鲜活农产品绿色通道车辆快速稽查方法，该方法包括以下步骤：(1)采用SMOTE算法对不平衡数据集进行预处理；(2)使用二元Logistic回归模型进行车辆分类。本专利技术采用基于SMOTE算法的Logistic回归模型，利用多元数据对车辆进行分类预测，为快速检测车辆提供一种有效的方法，能够实现对于真假绿通车辆的快速稽查和判断。优选地，所述步骤(1)中：其中T为少数类样本的数量，N为少数类样本中用作生成合成样本的比例，相邻样本和少数样本之间的差异性由向量D确定，最终合成的样本向量M表示为：M＝min_sample+c*D(2)其中c为0到1的随机值，将特定向量差D与随机数相乘能够有效的防止少数类样本的决策区域特殊化。优选地，所述步骤(2)中，其中p是事件发生的概率，取值范围为0到1；将事件是否存在的Logistic回归用线性公式解释：z＝β0+β1x1+β2x2+…+βnxn(4)其中xj(j＝0,1,2,3,…,n)为模型中的自变量，β0为截距，βj(j＝0,1,2,…,n)表示模型自变量的斜率系数；因变量为绿通车的检查结果，为一个二元变量，取值范围为0或1。优选地，所述步骤(2)中，模型的分类性能由包含实际信息和预测信息的混淆矩阵度量，如表1所示，真阳性(TP)、假阳性(FP)、假阴性(FN)和真阴性(TN)值从不同角度对结果进行解释，在二元分类中，阳性表示为1，阴性表示为0表1在此基础上，引入如下评价指标：准确率Accuracy用来表示模型总体的精度水平，敏感性Sensitivity用来表示真阳性率，特异性Specificity表示假阳性率，精确度用来表示预测阳性样本的准确性，具体的计算公式：感兴趣的样本为少数类(1)，而不感兴趣的样本为多数类(0)，与敏感性Sensitivity和精确度Precision相比，准确率Accuracy并不是衡量不平衡数据集的合适指标，受试者工作特征曲线ROC，是以假阳性率为横轴，以真阳性率为纵轴绘制的曲线，ROC曲线下方的面积为AUC面积，是计算分类器性能好坏的度量指标，与所选择的决策准则与先验概率无关，AUC的取值范围为0到1，取值越大表明分类器的分类性能越好。优选地，所述步骤(2)中，不平衡数据集会影响分类器的性能，首先用SMOTE算法对原始数据进行预处理，如表2所示表2为了保证模型的准确性，对存在共线性关系的变量进行筛选，消除共线性影响，选择自变量的最佳组合，变量的描述统计如表3所示，最终选入的变量有车辆重量、车辆类型、星期、月份、小时数、收费金额、车牌省份表3优选地，所述步骤(2)中，非绿通车辆判别模型P＝1/(1+exp(-(0.3647-0.000023*X1-0.0022*X2-0.0007*X3-0.0097*X4+0.0791*X5+0.0552*X6-0.0353*X7+0.0422*X8-本文档来自技高网...

【技术保护点】
1.一种高速公路鲜活农产品绿色通道车辆快速稽查方法，其特征在于：该方法包括以下步骤：/n(1)采用SMOTE算法对不平衡数据集进行预处理；/n(2)使用二元Logistic回归模型进行车辆分类。/n

【技术特征摘要】
1.一种高速公路鲜活农产品绿色通道车辆快速稽查方法，其特征在于：该方法包括以下步骤：
(1)采用SMOTE算法对不平衡数据集进行预处理；
(2)使用二元Logistic回归模型进行车辆分类。


2.根据权利要求1所述的高速公路鲜活农产品绿色通道车辆快速稽查方法，其特征在于：所述步骤(1)中：



其中T为少数类样本的数量，N为少数类样本中用作生成合成样本的比例，相邻样本和少数样本之间的差异性由向量D确定，最终合成的样本向量M表示为：
M＝min_sample+c*D(2)
其中c为0到1的随机值，将特定向量差D与随机数相乘能够有效的防止少数类样本的决策区域特殊化。


3.根据权利要求2所述的高速公路鲜活农产品绿色通道车辆快速稽查方法，其特征在于：所述步骤(2)中，



其中p是事件发生的概率，取值范围为0到1；将事件是否存在的Logistic回归用线性公式解释：
z＝β0+β1x1+β2x2+…+βnxn(4)
其中xj(j＝0,1,2,3,…,n)为模型中的自变量，β0为截距，βj(j＝0,1,2,…,n)表示模型自变量的斜率系数；因变量为绿通车的检查结果，为一个二元变量，取值范围为0或1。


4.根据权利要求3所述的高速公路鲜活农产品绿色通道车辆快速稽查方法，其特征在于：所述步骤(2)中，
模型的分类性能由包含实际信息和预测信息的混淆矩阵度量，如表1所示，真阳性(TP)、假阳性(FP)、假阴性(FN)和真阴性(TN)值从不同角度对结果进行解释，在二元分类中，阳性表示为1，阴性表示为0
表1



在此基础上，引入如下评价指标：准确率Accuracy用来表示模型总体的精度水平，敏感性Sensitivity用来表示真阳性率，特异性Specificity表示假阳性率，精确度用来表示预测阳性样本的准确性，具体的计算公式：












感兴趣的样本为少数类(1)，而不感兴趣的样本为多数类(0)，与敏感性Sensitivity和精确度Precision相比，准确率Accuracy并不是衡量不平衡数据集的合适指标，受试者工作特征曲线ROC，是以假阳性率为横轴，以真阳性率为纵轴绘制的曲线，ROC曲线下方的面积为AUC面积，是计算分类器性能好坏的度量指标，与所选择的决策准则与先...

【专利技术属性】
技术研发人员：张凡，余绪金，陈旻瑞，孙晓亮，崔玮，张利，刘见平，文娟，赵丽，张纪升，徐铖铖，王宇轩，
申请(专利权)人：北京中交国通智能交通系统技术有限公司，
类型：发明
国别省市：北京;11