逃费稽查是高速公路营运管理中的一项重要工作。一直以来,稽查部门主要依赖视频监控、人工技术分析、他人举报等方式打击逃费行为,这种工作模式存在工作量大、稽查效率低等问题。而随着联网收费的完善与成熟,逃费手段不断翻新,高速公路管理部门迫切需要利用新技术来提升逃费稽查水平。另一方面,高速路网营运系统每天产生大量的车辆通行流水数据,如出入站记录、断面/卡口通行记录、联网收费拆分记录等。虽然这些数据从单条来看是零散的,但将这些数据关联起来,就能大致得到车辆在高速路网中的通行行为。而当车辆发生逃费情况时,必然会在通行流水数据中表现出异常的通行行为。基于此,本文结合大数据与数据挖掘等技术,应用智能计算等方法,提出了一类基于通行大数据的车辆逃费稽查系统的研究与开发。本文首先研究了车辆逃费相关的十一类通行异常行为,给出了基于通行数据的车辆异常行为挖掘分析算法。接着,提出了以车辆信用度作为车辆逃费可疑度指标,并利用多属性效用模型实现了车辆信用度的计算。在此基础上,利用BP神经网络对模型进行了改进。最后,结合实际项目,开发并实现了车辆逃费稽查系统。论文主要研究工作和创新点包括:1.构建用于逃费稽查的大数据平台。分析与整理现有高速公路各监测子系统中的收费与车辆流水等数据,设计适合稽查分析要求的数据基础集。在此基础上,通过数据采集程序的开发,实现数据的自动收集任务。与此同时,提出了基于分区与分表机制相结合的方法,实现了对大数据下的数据分析与操作;提出了通过建立车辆档案,实现对收费系统数据存在的信息缺失、信息错误等情况的信息重建技术。2.研究了与逃费相关的十一类行异常行为。针对每一类常行为,给出了其基于通行数据的挖掘分析算法。通过对海量通行数据的分析,形成了车辆异常行为档案库。3.提出了车辆信用度指标和车辆逃费稽查模型与算法。本文对异常行为出现次数与车辆信用度之间关系进行了建模,给出了基于多属性效用模型的车辆信用度计算方法。通过某高速公路公司近三年的通行数据进行分析,表明了该模型具有一定的有效性。本文还利用BP神经网络对模型进行改进,实验表明,BP模型使稽查的准确率从33%提高到67%,取得了满意的结果。最后,本文还探讨了一类基于模糊评价车辆信用度计算模型,进一步提升了信用度计算的有效性和正确性。4.开发并实现了基于通行大数据的车辆逃费稽查应用系统。该系统集成了车辆通行数据收集、异常行为挖掘分析、车辆逃费稽查人机接口等功能,实现了对车辆逃费情况的实时与自动分析,较好地满足了实际应用的要求。本文开发的系统已实际上线运行,系统逃费稽查十分有效,大大提高了稽查部门的工作效率。本文的研究成果对大数据技术的应用具有良好的借鉴意义。