票务稽查系统产品系统

客运公司在管理非流水班线客运业务的过程中，经常会遇到营运车辆在客运途中私自载客的情况，虽然未涉及人员超载，但是由于司机线下私自载客盈利、破坏了正常的客运秩序，在客运公司内部属于违规行为，需要重点关注。虽然营运车辆都安装了车载摄像头，但是人工在线监控会带来大量的人工成本，而且往往存在稽查不到位的情况。客运公司管理层一直被上述问题困扰着，亟待找到更高效、更准确的解决方案。

基于上述业务背景，客运票务稽查系统应运而生。该系统通过Yolo智能目标检测技术实现了车辆即时载客人数的定时稽查，并通过打通客运票务系统实现对当前客运班次的实际售票数的获取，系统通过实时比对即时载客人数和当前班次的售票数，对车辆疑似超员的情况进行实时研判和预警，并记录票务稽查台账。如此便解决了人工稽查成本高、效率低的问题，同时为客运企业创造了省心、公平、健康的营运环境。
系统核心功能模块包括：
1、智能目标检测模块
2、票务稽查模块
3、票务稽查告警
4、票务稽查台账

本系统由我独立完成技术选型、架构设计、核心开发到部署实施的全流程。
核心技术为YOLO目标检测。它基于计算机视觉，对客车车厢抓拍图像进行“人头”统计，再与当前车次售票数实时比对，判定是否涉嫌超员（人头数 > 售票数）。
一、核心流程：
YOLO目标检测是本系统的创新点与关键。同时，系统依赖车辆动态监控平台的支持——该平台可查看车辆实时定位、车速、车载视频，并支持自定义告警规则，例如通过“跨出特定区域”告警判定车辆进入营运状态。当车辆进入营运途中，系统自动判断是否符合稽查条件（依据ACC开关、车速等状态）；符合则调用车载摄像头抓拍API获取车厢图像，再调用YOLO目标检测服务API统计人头数，随后获取售票数并实时比对。若人头数 > 售票数，则判定为疑似超员，系统告警并保留证据，支持Web查询与统计。
二、模型微调：
系统使用的YOLO模型基于YOLOv8预训练模型二次训练微调。初步验证发现，预训练模型在封闭车厢场景准确率偏低。为此，人工标注3000张不同车型和光照条件下的车厢抓拍图像，构建结构化数据集，并在此基础上二次训练，最终得到适配本业务场景的最佳权重文件。
三、系统架构：
采用分布式服务架构，含三个核心部分：
YOLOv8目标检测服务：模型基于PyTorch实现，预测与训练脚本均用Python开发。我基于Python封装了预测API，通过HTTP接口对外提供服务。
车辆动态监控平台：实现车辆轨迹、车速、车载视频监控及自定义规则告警，为票务稽查提供客观条件，能力通过HTTP接口暴露。
票务稽查系统：将上述两个组件进行业务编排，按预设规则完成稽查逻辑，产生告警、存档数据，并通过Web界面提供查询统计。