0 引言

取消省界收费站后，受车辆跨省通行区域扩大、单次计费里程延长、单车通行费增加的影响，高速公路“大车小标”，“跑长买短”等逃费行为日益凸显。收费业务作为各运营单位的基础核心业务，有效遏制偷逃通行费行为是确保经营单位业主利益、维护路网良好通行秩序的必然选择。但由于现有联网模式下相关图片、交易记录等证据链资料的传输, 及其应用条件的局限性，对相关偷逃通行费车辆的追缴方式受限。

目前，行业相关研究学者针对路网收费稽核业务的技术开展了探索应用，更多利用相关大数据分析通过对门架交易数据的深度分析来筛查异常通行记录。匡永强等^[1]在对稽核业务现状分析的基础上，提出基于多数据融合的收费稽核系统解决方案。刘春成^[2]针对业务数据应用现状，提出基于AI的收费稽核研究与实践。孙贝^[3]采用神经网络算法在对门架数据、收费站数据融合分析的基础上进行车辆轨迹的还原分析。孙伟等^[4]对视频结构化数据在高速公路收费业务的应用进行了探析。以上技术方法着力通过大数据分析、AI应用等技术手段的应用来支撑提升相关计费、稽核以及清分等业务的及时性、准确性，相关技术方法虽取得一定成效，但受限于数据的单一性，无法提供更直接证据链资料，对相关偷逃追缴、兜底清分等突出问题仍无法有效解决。

目前编解码压缩技术的研究应用多集中为传统H. 264^[5]，H. 265^[6]，VP9^[7]等编解码技术的研究应用。李浙伟^[8]针对不同类型视频编解码技术在当前智能时代的行业发展及应用进行了探索分析。张霖泽^[9]以压缩算法为核心，主要围绕有损压缩的硬件化实现与嵌入式系统的无损压缩展开论述。魏涛^[10]针对H. 264技术在高速公路视频监控业务的应用进行了探索分析。传统编解码压缩技术受限于压缩比，多应用于安防、网络视频平台等领域，在高速公路中主要应用于传统视频监控业务。5G实时传输技术是当前成熟应用的大带宽、低延时的通信传输技术。杨春辉等^[11]针对5G技术在铁路动车组数据传输及视频监控的应用进行了探析。王伟杰^[12]针对5G传输技术在智慧高速建设实践中进行了探索分析。汪国辉^[13]针对5G实时网络传输技术的发展应用, 进行了深入阐述。5G实时传输技术^[14]被广泛应用各行业网络信息传输业务中，在高速公路行业主要应用于视频监控及部分智慧高速业务中。因此，编解码无损压缩技术与5G实时传输技术尚未在高速公路收费业务领域场景中实现有效应用。

本研究旨在探索利用门架车型识别抓拍数据应用为切入点，通过对编解码无损压缩技术与5G实时传输技术优势的融合应用，以构建高效，快速的图片，视频数据传输及分析应用系统平台架构为核心解决思路，有效支撑收费业务场景有关视频，图片以及交易信息的传输需求和深度挖掘应用。

1 编解码无损压缩技术与5G技术融合应用技术框架研究 1.1 应用技术概述

(1) 编解码无损压缩技术

编解码无损压缩技术是图文压缩技术(ZCC)和视频压缩技术(ZCV)的集成，该技术对前端获取的图像和视频进行动态实时编码压缩，对JPEG，TIIF，PDF1.4，PDF1.5等格式的图像文件和H. 264，H. 265，VP9等格式的视频文件，转化成具有高压缩率，高保真的ZCC/ZCV格式文件；后台用户端用户可直接查看，亦可解码恢复为编码压缩前的格式文件，可有效降低数据传输与存储时的资源消耗。

(2) 5G实时传输技术

可实现大带宽1G以上的传输，低时延10 ms以内的快速响应，多达100万个设备同时连接。通过5G网络切片技术构建安全隔离隧道，实现交通控制网与民用网逻辑隔离，通信可靠性达99.999%，其切片资源预留，QoS高优先级保障紧急情况可自动调整通信资源配比，占用公众资源实现应急通信，并且通过网络切片为智慧交通提供通信管道，减少专网建设投资，具有更好的灵活性与可扩展能力。

1.2 融合技术

(1) 在ETC门架端，设置一套融合编解码无损压缩技术与5G实时传输技术的边缘计算设备，规范各类智能传感器、智能摄像机、智能识别设备等终端产生的数据，将所有采集的车辆前拍摄像机、后拍摄像机、侧拍摄像机抓拍的图片数据进行边缘计算^[15]融合，生成车辆行经门架的前视、后视、侧视标准三视图片。通过编解码无损压缩技术对标准三视图和视频信息进行高压缩比无损压缩形成标准型数据格式，进而把核心的标准型图片数据回传到数据中心，实现海量数据的融合。

(2) 利用5G实时通讯技术实现图片、视频信息的云端同步传输，提升数据交互效率。在ETC门架位置处，通过前置编解码器，提供信息技术服务和云计算能力，将处理后的标准化数据，推送到最近基站，通过5G网络将数据传输到云端，完成数据上传闭环。

(3) 构建信息汇聚的云端数据平台^[16]，实现海量图像、视频数据在云端的AI分析与整合应用。

首先在ETC门架端尝试进行边缘计算产生标准图视数据，再利用编解码无损压缩技术和5G实时传输技术，将数据进行高保真、高倍率编码压缩后实时传输到云端数据平台，通过AI分析技术应用在云端整合所有单个ETC门架的过车信息，实现车辆行驶轨迹的还原。辅助省级中心提高通行费计费、拆分精度，实现真正意义上的实际路径计费、实际路径拆分，并为智慧路网管理搭建可快速复制，建设和运维成本低的拓展业务平台架构。

1.3 突破的难点

(1) 研发边缘计算设备。

目前ETC门架端产生的数据有，车牌识别结果与抓拍照片(前拍摄像机产生)，车辆驶离门架抓拍照片(后拍摄像机产生)，车型轴型识别结果与抓拍照片(激光束雷达和侧拍摄像机产生)。笔者通过交通产品市场调查发现能够融合这3项数据的交通产品不多，要么采用传统方式上传各类图视数据后整合，要么在门架端增加工控机进行数据整合后上传。前者数据传输、存储成本较高，需要研发整合软件，还要占用大量省级中心的计算资源；后者需要研发整合软件，增加工控机以及配套传输设备；不管采用哪种方式，都还需要增加编解码压缩设备和开发整合软件。

经过研究，研发一款可升级的边缘计算设备，在必须的编解码压缩设备基础上，增加传输模组，搭载开发的数据整合软件，形成ETC门架端边缘计算层；既满足当下的业务需求，也为后期更多的应用搭建系统环境。

(2) 降低图视数据存储，网络传输压力。

以单个省1万路摄像机90 d储存空间要求为例，需要36.2 P的存储空间，如表 1所示。

原有的高清抓拍方案中，正面拍摄车头的照片、后面拍摄车尾的照片，侧面拍摄车身的照片是互相独立的，若按照天线交易数据模式，将车牌抓拍系统的视频和图像数据集中上传到行业管理部门，将对网络传输带来较大负担，可能涉及高速公路光纤通信网的升级改造。为了满足视频的及时性，也可以采用降帧降分辨率的方式传输或者按需调用，但视频质量无法达到后端应用要求。同时按照业务规则要求，采集的视频图像信息要保存90 d，将进一步加大网络传输及存储扩容难度。通过本研究所述技术框架应用，可通过对相关图视信息的高效压缩传输，降低网络带宽传输和存储压力。

(3) 提升数据汇聚融合的算力。

在万物互联时代，门架上的摄像头，车型识别设备及未来车路协同车端设备都在不断地生成数据，数以万计的智能终端会源源不断地产生海量数据，若将所有数据全部通过网络回传到数据中心再进行处理，将对数据中心的处理能力提出极高的技术要求。而取消省界收费站后门架上普及的高清视频抓拍仅停留在取用单个门架抓拍图像这个应用级别，并没有像收费监控网一样开展大规模视频汇聚应用，主要受限于算力。

要解决算力不足的问题，应采用的技术路径是将采集到的数据先经过筛查和边缘计算处理，只把最核心的数据回传到数据中心。同时在省中心建设云端数据中心，不但可以减轻实体数据中心的负担，还可以避开现有的收费车道-收费站-路段收费中心-行业中心的四级数据传输体系，实现车道-行业云端数据中心实时交互，缩短设备响应时间，联动车道收费软件及时拦截异常行为车辆^[17]。

(4) 降低建设及后期运营成本。

以一万路摄像头存储90 d存储空间、费用对比(设备使用周期5 a)为例，如表 2所示。

利用编解码无损压缩技术后，可大幅降低对核心网络及骨干传输网络的占用，使得采用5G传输图文视频数据的成本大大降低。

2 应用验证 2.1 验证案例

(1) 研发融合编解码无损压缩技术与5G实时传输技术的边缘计算设备。

为有效验证本研究所述技术框架的可行性，依托某省界ETC门架车型车种图像压缩辅助系统试点工程，结合高速公路门架应用场景，研发形成了集合编解码无损压缩功能，4G/5G实时传输功能，标准化结构数据生成的边缘计算设备，如图 1所示。通过该边缘计算设备规范各类智能传感器、智能摄像机、智能识别设备等终端产生的数据，所有采集的数据先由该边缘计算设备进行处理，形成标准型数据格式，具体包括车辆车型信息数据、牌识信息数据以及图像信息等，再将采集到自定义的标准型数据回传到数据中心，释放行业部门计算资源。

(2) 在省界ETC门架端部署边缘计算设备，进行大规模图像，视频汇聚。

通过安装在省界门架上的高清摄像头和车型车种识别设备采集车辆照片，音视频等信息，利用前端边缘计算设备融合图视数据处理成标准格式数据，压缩后通过5G网络传输至租赁的公有云，辅助平台调取标准格式数据进行相关应用，业务流程如图 2所示。

接入现有摄像头采集门架过往车辆的图片，利用图视压缩技术将采集的图片在不改变图片画质，不改变图片清晰度，不改变图片格式进行压缩，将原图片大小压缩70%以上，减少图片上传云服务器中节约存储空间，提高物联网卡传输的效率。

(3) 在云端开发具备AI分析能力的应用平台。

平台从上至下依次为平台层、通信层、数据采集层及设备层，平台层为综合管控平台，可实现稽核管理和运维监控，以及特种车辆管理等扩展应用；通信层包括收费光纤通信，运营商专用通信及4G/5G通信等通信技术；数据采集层采集ETC数据、牌识数据、车型数据等多源数据；设备层包括ETC、门架PC、激光雷达等多类设备，系统平台架构如图 3所示。

云端业务平台通过前端边缘计算设备接收相机抓拍的过往车辆图片，应用AI算法识别车牌、车型、车身颜色等结构化信息；使用编解码无损压缩技术，合成车头、车身、车尾图片，在不降低画质, 不改变图片格式的基础上，压缩图片文件大小，有效降低门架收费带宽压力和数据存储压力，提升传输效率和资源利用率，进而通过集成5G无线传输模块，搭载5G物联网卡，建立稳定，可靠的专属直传通信链路，将压缩后的图片传输至后端云平台。实现对采集数据的处理加工，通过整合，形成高质量的资源数据。同时，可通过平台对外提供标准化的数据服务，提供对用户的数据应用情况进行监控，满足个性化的服务需求。

在云端数据服务平台中分析通行省界车辆的车型、车牌信息，拟合出入省路径，并与现有的ETC门架数据做比对，实现对计费差异、拆分不精准的原因分析，提供有效的图片证据，为跨省联网收费拆分的精算提供技术支撑，保障通行费收益。

通过该云端数据服务平台实现包括实时检索车辆的高清视频抓拍图片以还原车辆实际行驶路径，精准识别并实时监测通过门架端的特殊车辆，实时匹配高清抓拍图片与车载电子标签记录信息等标准化数据服务功能，并根据业务统计差异化需求，实现对门架段各类分车型车种流量信息的统计。

2.2 效果分析

(1) 实现视频流截取识别，显著提升门架收费能力。

门架高清视频抓拍摄像机的工作原理是摄像机在感知到有车辆经过时，保存感知到车辆的一帧高清图片，再用于车牌识别。而在本案例中，利用编解码无损压缩技术应用产物，找到门架高清视频抓拍摄像机感知到车辆的这一帧高清图片前后时间段的视频流，将该时间段内的每一帧图像逐一与抓拍图像比对，从中选择一帧更清晰的图像而后用于车牌识别。

通过本套技术应用，显著降低了传统模式下感知触发与拍照保存之间延时误差导致的空拍，显著提升原有牌识系统车辆捕捉与车牌识别效率，提升在线计费成功率，从而在线计费系统通过牌识路径拟合对通行车辆进行分段式计费收费，克服ETC门架计费易受屏蔽影响和兜底收费系统造成收费损失的不足，最大程度避免兜底费率使用，避免同程不同费问题产生。

表 2为验证视频流截拍数据与门架牌识抓拍数据的对比，单从数据上来看，通过视频流截取技术，日均多捕获534辆车，在单个门架提高车辆捕获率日均6.11个百分点以上，捕获率的提升主要得益于该技术框架扩大对视频流图片的筛选比对范围，提升了系统采用图片的质量和清晰度。

(2) 实现图视信息无损压缩，显著降低存储及传输带宽占用。

对传统的H. 264，H. 265，VP9编解码压缩技术与ZCV编解码无损压缩技术进行了对比，H. 264及H. 265编码标准是国际电信联盟(ITU)视频编码标准，可在3 Mbps的传输带宽下实现1 080 P全高清视频传输。VP9是由谷歌公司(Google) 开发的免版税，开源的视频编码标准，相比于H. 264压缩率提高约60%左右，可在2 Mbps的传输带宽下实现1 080 P全高清视频传输。本研究所采用编解码无损压缩技术为国内自主研发技术，通过对视频进行流媒体实时进行高质量高倍率压缩，其压缩效率高，图像算法先进，无延时，质量好。在相同的视频图象质量下，ZCV相比于H. 264压缩率提高约90%左右，可在0.6 Mbps的传输带宽下实现1 080 P全高清视频传输，具体对比效果如图 4所示。

通过对图视信息的压缩验证，以高速1个门架的1个摄像机为例，1天可抓拍车辆图片8 183张(图片大小750~1 400 Kb)，总大小为8.94 GB，压缩后的总大小为2.94 GB，节约70%存储空间，压缩后图片大小在70~380 K之间。同时，压缩图片和原始图片在测试场景下的分辨率、图片格式、水平、垂直率相同；图片画质清晰度，画面对象细节特征保持一致，无差异。

在图片识别应用上，以车辆识别系统为例，原图和压缩图进行车辆以图搜图，压缩图首位比中和原图一致，首位比中相似度均值的差值0.912 13%。压缩图在车牌号、车牌颜色、品牌、厂商、类型等对比上整体差异不大，详细数据如表 3所示。

通过对图文图视AI及编码压缩图传设备包括外观结构、设备功能、系统功能、图片一致性、图片兼容性、信息安全、处理时间、压缩比率、成功率统计等9项检测项目的第三方检测，各项功能检测结果基本符合检测依据中所列标准规范的规定，实际图片压缩比率为21.56%, 车辆捕获率成功率99.99%，车牌识别成功率为99.92%，具体数据如表 4所示。

(3) 实现多点位抓拍图视与车型、轴型信息融合，提升收费稽核能力。

利用侧方位识别设备获取车牌、车型、车轴信息，生成车辆行经门架的前视、后视、侧视标准三视图片，将数据回传省联网收费中心与天线交易金额和发行方卡签信息做对比，验证错误，支持溯源追偿，有效解决客四货六类车型识别、危化品运输车辆识别、车型作弊、同牌一车多卡、异牌一车多卡、倒卡套牌等问题，可为联网拆分和稽核取证提供车型识别流水、车身抓拍图片、通行费用估算清单等数据，精确计算通行费和精准还原车辆行驶路径，提升稽查效率^[18]。

以某验证高速路段实际一天的车流量为例分析，有牌照无交易记录的通行车辆(不含军警车)1 599辆，假定20%的有牌无交易车辆存在逃费行为，单个ETC门架全年通行费损失可达86.39万元。

(4) 实现编解码无损压缩与5G实时传输技术融合应用，增强收费对账能力。

利用5G实时传输技术的低时延(10 Ms)、大带宽(1 G)、多连接(100万终端)的特性，边缘计算和网络切片的能力，保障数据传输实时高效，使各种应用拓展成为可能；利用编解码无损压缩技术的低时延(150 Ms)、高压缩比(70%~85%)、原格式无损还原的特性，独立组网和既有软硬件无缝集成的能力，节省大量建设，维护资金。

在车辆驶离高速公路前，数据实时传输，快速获取车辆信息完成稽查。通过车辆轨迹跟踪还原，明确车辆拆分归属，从被动式等行业部门拆分，到主动式举证介入，使行业通行费拆分精准度提升。

3 结论

(1) 本研究针对门架系统视频信息，图片信息的压缩、传输以及业务应用，探索利用编解码无损压缩技术和5G实时传输技术进行处理，经实际工程应用案例测试验证，该技术框架路径及效果均较为可靠，实现实际图片压缩率为21.56%，车辆捕获成功率99.99%，车牌识别成功率为99.92%，对于提高图视数据传输效率、降低数据云端使用成本，转变收费稽核工作模式，建立高效预警拦截体系，提升省联网收费系统智能化管理水平和安全运行保障能力具有重要意义。

(2) 本研究套技术框架扩展应用领域广泛，可通过构建高速公路车辆抓拍标准化数据，建立云端数据资产化管理体系，将数据资产进行统筹管理，有效推动数据价值链演化。