逃费手段翻新
手法多样 · 隐蔽性强
- U 转、回转车道绕行
- 站间异常、车型套用
- 传统人工难以主动发现
BACKGROUND & PAIN POINTS
01建设背景与痛点
ETC 普及带来通行便利，也催生新型逃费手段；前端感知设备老旧、计费口径不一，传统人工稽核在规模、效率与口径上均难以为继。
稽核效率低下
规模庞大 · 滞后明显
- 门架流水日均百万级
- 人工逐条核查不可行
- 覆盖率低、发现滞后
计费口径不一
标准缺失 · 易生分歧
- 应收口径缺乏统一标准
- 优惠还原、零费率难界定
- 易与客户／省中心分歧
设备老旧缺维护
感知失准 · 数据失真
- 设备老旧、缺少维护
- 摄像头 OCR 识别率不稳
- 门架时钟偏移
传统人工稽核的瓶颈
规模上不可行 · 效率上不可及 · 口径上不可裁 —— 需要一套自动化、可解释、可复用的稽核基础设施。
SYSTEM ARCHITECTURE
02系统总体架构
四层流水线贯通；自研 AI 推理引擎 highway-guard 驱动全链路判据推理与证据生成。
L1
数据接入层
门架流水 · 出口流水 · 费率表 · 路网拓扑
门架流水
出口流水
费率表
路网拓扑
L2
计算引擎层
轨迹重建 · 费率计算 · 路径归集
轨迹重建
费率计算
路径归集
AI
AI 推理引擎
AI 推理引擎 highway-guard
10+ 类判据推理 · 证据链 · 误判过滤
10+ 类判据
证据链
误判过滤
L4
应用输出层
稽核结论 · 问询单 · 报表 · 接口
稽核结论
问询单
报表
接口
DATA FOUNDATION
03数据底座：四类源数据
以门架流水、出口流水、费率表、路网拓扑四类源数据为核心；通过数据治理与 AI 模型分析，对每一个摄像头评级打分、校正失控数据，并补充异常路网（如单边修路）等拓扑信息，构建高完备、可稽核的数据基础。
门架流水
通行轨迹源- 车辆经过门架记录，含各种费率
- 还原完整通行轨迹
toll gantry transaction
出口流水
稽核比对基准- 收费站出口记录，实收／优惠金额
- 实收与优惠还原基准
exit transaction
费率表
计费核心依据config_gantry_fee：每门架、不同车型费率- 零费率门架识别源
config_gantry_fee
路网拓扑表
路径归集支撑- 门架进出连接关系
- 识别孤立／回转门架
network topology
数据治理清洗门架／出口流水，校正时钟偏移与缺失段，恢复数据可控
AI 评级打分对每一个摄像头识别质量评级，标记低质点位，定向运维
异常路网补充纳入单边修路等异常拓扑，校正路径归集与计费口径
CORE CAPABILITY 1
03核心能力一 · 门架费率管理
费率纳管与异常门架处置：分类识别、分级处置，确保计费口径可控、可追溯。
多车型费率分类
客车
1 · 2 · 3 · 4
货车
11 · 12 · 13 · 14 · 15 · 16
专项作业车
21 · 22 · 23 · 24 · 25 · 26
零费率门架分类
真异常待确认
虚拟门架正常
异常门架分级处置
| 类型 | 判定依据 | 处置方式 |
|---|---|---|
| 真异常门架 | 22 天零交易 | 发起问询确认费率或标记无效 |
| 虚拟门架 | 站点—主线逻辑节点 | 费率 0 属正常 |
| 孤立门架 | 疑已停用 | 按无效门架处理，不再计费 |
| 推测补点 | 无牌识证据 | 不计入应收金额 |
典型车型基础费率 （元／公里 · 示意）
费率表以 config_gantry_fee 为唯一计费依据；上图为分类区间示意，实际数值以省中心下发费率表为准。
CORE CAPABILITY 2
03核心能力二 · 轨迹重建
融合门架与站点流水，按车牌／时间重建完整通行路径；区分「真实交易点」与「算法推测补点」。
通行点位来源占比 （示意）
15%真实交易点
85%算法推测补点
Dijkstra 路径补全示意
真实交易点
算法推测补点（无牌识证据）
0
全省日均推测补点（全天推算）
推测补点仅作路径补全，不计入应收金额。
CORE CAPABILITY 3
03核心能力三 · 逃费稽核判定
以「应收—实收—差额—输出」四步流程，自动判定少收费并生成可解释证据链。
应收计算
路径各门架费率累加，叠加优惠还原
实收比对
出口流水 tollAmount + freeMoney 比对
差额判定
超阈值判少收费 + 离群保护防误判
异常输出
异常分类 + 证据链
判定逻辑
应收金额构成（以单趟行程为例）
应收金额 = Σ(门架费率 × 车型系数) + 优惠还原
差额 = 应收 − ( tollAmount + freeMoney )
差额 > 阈值 ⟹ 少收费（经离群保护校验）
路径门架费率+
车型系数+
优惠还原=
应收金额
AUDIT PERFORMANCE
04稽核成效
现行口径下，贵州省系统规模化、自动化识别少收费行程，优惠还原准确率经百万行验证无例外。
0
行程
日均流水处理
0
万元
涉少收费金额
0
趟
少收费行程判定
0
人工复审
逃费数据准确率
按现行口径推算
约 5+ 亿元／年
日均 100+ 万元 × 365 天
2月+累计运行时长
1000+ 辆单日稽核涉嫌逃费车辆
100+ 万单日可追回金额
口径说明：以上为现行口径下规模化识别的少收费行程统计；逃费数据人工复审准确率 99.8%，优化还原经百万行验证无例外，结论可追溯、可复核。
AI ENGINE · highway-guard
05核心引擎：highway-guard 推理模型
自研私有化部署的逃费稽核推理引擎，贯穿轨迹重建到证据输出全链路；以 LangChain4j 编排、RAG 检索增强、LoRA 域适配为技术底座。
MODEL SPEC
highway-guard
- 私有化离线部署 · 数据不出域
- 10+ 类逃费手法全覆盖
- 100% 判定配证据链
垂直域推理引擎 · 非通用模型
TECH STACK
LangChain4j
链路编排：重建 → 推理 → 证据 → 报告全链串联
RAG 检索增强
召回历史案例／费率／法规库，生成可解释结论
LoRA 域适配
低秩微调贴合贵州费率／路网／地方规则
引擎能力链路
通行轨迹重建
门架 + 牌识融合，LoRA 域适配贴合贵州路网，Dijkstra 补全在途／漏拍
多类逃费判据推理
有进无出／车签不符／甩挂／少收费… 带证据链
应缴费用核算
OD 最短路径 + 费率表 + 优惠还原
置信分层与证据链
基础 × 强度 × 多证据 三级评分
误判自过滤
时钟偏差／摄像头误识／服务区绕行自动抑制
智能复审报告
RAG 召回案例 + LangChain4j 编排，自然语言可解释结论
WHY highway-guard
推理引擎 · 为何更强（相比 deepseek／qwen 等通用模型）
面向高速 ETC 逃费稽核场景深度自研的垂直推理引擎，融合轨迹、费率、路网域知识，显著优于通用大模型方案。
10+→20+类逃费手法覆盖（当前→规划）
0判定配证据链
0人工复审准确率
0行程日均处理规模
域知识深度融合
轨迹重建 + 费率计算 + 路网拓扑联合推理，而非通用模型堆参数
证据可解释
每笔判定附牌识图 + 门架序列 + 费用明细，可复核、可追问
误判自过滤
时钟偏差／摄像头误识／服务区绕行自动抑制，误判率显著下降
相比通用大模型，highway-guard 在少收费识别与新型逃费发现上，靠场景化训练与「规则—学习」混合架构，达到生产级准确率与可解释性。
ROADMAP
06规划与展望
沿算力、模型、精度、生态四条主线持续演进，让稽核能力更强、口径更准。
01
算法升级
通过 LangChain、RAG 对模型算法进行持续升级，提高处理速度。
处理速度 2×
02
highway-guard 迭代
大模型辅助轨迹异常语义识别，提升新型逃费发现。
10+ → 20+ 类
03
精度提升
推测点判定模型优化，升级多类型覆盖、提高召回。
类型增加 30%
04
生态对接
与省中心计费口径自动对齐，减少对接分歧。
闭环 100%
THANK YOU · 致谢
让每一笔通行 应收尽收
口径清晰 · 全程可追溯 · 数据驱动治理
应收尽收精准计费，少收必追
全程追溯证据链可解释可复核
生态对齐口径共建公平通行
感谢各级主管部门与协作单位对稽核工作的支持。期待与贵方在费率标准、计费口径上持续对齐，共建公平通行环境。
贵州健信安科技有限公司