题图
驾培学时异常数据分类、甄别及防治
作者：顾 皓 刘俊利，原载《中国道路运输》202207期
近几年，为促进驾培市场的有序发展，提高培训质量，先后开始实施机动车驾驶员培训计时制度和学时对接改革项目。但由于种种原因致使学时制度及改革举步维艰。其中，学时造假问题尤其突出。为杜绝该类问题的发生，特提出驾培学时异常数据分类、甄别及防治。
一、学时规定及现状
学车报名大厅
根据有关定义，学时是教学的时间单位，也称课时，指一节课的时间，通常为四十五分钟或五十分钟。这种解释，一般来源于中小学、大学课堂教学。本文所称学时是驾校在驾培培训中，依据《中华人民共和国机动车驾驶培训教学与考试大纲》（下称“教学大纲”）进行教学的授课或训练时间。现将学时规定及情况说明如下：
1.学时规定《中华人民共和国道路运输条例》第四十六条规定，“机动车驾驶员培训机构应当按照国务院交通运输主管部门规定的教学大纲进行培训，确保培训质量”。
2006年，交通运输部出台《机动车驾驶员培训管理规定》第二十九条明确规定，“机动车驾驶员培训实行学时制，按照学时合理收取费用”。
机动车驾驶员培训机构资格条件（GB/T 30340–2013）对计时系统也提出了要求（如表所示）。
表 计时系统要求
交通运输部办公厅关于做好机动车驾驶员计时培训系统技术规范实施工作的通知（厅运字〔2013〕249号）指出“各地要认真组织道路运输管理机构、机动车驾驶员培训机构人员学习《技术规范》，切实掌握和理解规范的具体内容和要求；要对照《技术规范》的要求，尽快建立或升级改造计时培训系统平台；要督促培训机构尽快安装符合《技术规范》要求的计时终端，已安装计时终端的，要确保按照《技术规范》要求上传培训记录信息，保持终端正常工作。”
国务院办公厅转发公安部交通运输部关于推进机动车驾驶人培训考试制度改革意见的通知（国办发〔2015〕88号）规定，“推进驾驶培训机构监管平台与考试系统联网对接，实现驾驶培训与考试信息共享，确保培训与考试有效衔接”。
2.驾培学时制驾培学时制是指学习驾驶人员到驾校学习驾驶过程中，采取的一种随到（校）随交（费）、随交（费）随训（练）的学时记录制度。
学习驾驶人员到驾校报名登记时，驾校计时培训系统即采集了学员的人脸或指纹信息（有的发放培训计时IC 卡）。教练车上也装有一个培训计时终端设备，且与驾校培训计时系统配套。当学习驾驶人员到教练车进行训练的时候，培训计时终端设备通过人脸、指纹或者学员IC卡识别学员信息，学员培训信息通过4G网络（5G）上传驾校计时培训系统，驾校计时培训系统再通过网络连接传到行业管理部门的监管服务平台。驾培管理部门依此为依据，审核《培训记录》，审核通过的培训记录推送到公安交通管理部门，作为学员预考的根据。作用如下：
（1）能根据学习驾驶人员的智力、体力、心理等综合情况，确定学习驾驶人员达到国家标准要求的学时数。能因材施教、因人而异，达到公平合理；
（2）能随到随学，更能方便学习驾驶；
（3）制约驾校缩短或变相缩短学时数，督促驾校向规范化培训进步。
（4）学时对接。
3.学时对接2015年国办发〔2015〕88号明确提出学时对接改革。学时对接是指按照国务院办公厅转发公安部交通运输部关于推进机动车驾驶人培训考试制度改革意见的通知（国办发〔2015〕88号）要求，就“推进驾驶培训机构监管平台与考试系统联网对接，实现驾驶培训与考试信息共享，确保培训与考试有效衔接”等有关内容的改革项目。学员通过缴纳学费获得培训学时，教练员通过培训学时的训练让学员获得驾驶技能。市场经济讲究市场公平、公正、合理，作为驾培行业的学时，如果学时缩水，对学员将会产生利益侵害，驾校由此获得更多的不当利润。如果学时超过规定数值，学员受惠，而驾校利益受害。因此学时作为学员与驾校之间的基本交易单位，作为学员与驾校之间的载体，成为驾培市场中比较敏感的重要术语。
从监管部门看，学时对接关联系统是机动车驾驶培训监管系统。但对驾校、学员来讲，就是将学时培训与自主约考连接起来的一套装置。根据《机动车驾驶员计时培训系统平台技术规范》，全国驾驶培训监管服务系统由全国驾培平台、监管服务平台、计时平台（远程教育平台）、计时终端和相应的传输网络组成。通过系统各组成部分之间的互联互通，为行业管理部门提供对驾驶培训过程的监督、管理和服务，实现培训信息传输、储存、监管一体化，满足行业管理部门、培训机构、学员、社会公众的综合性需求。
图1 学时对接基本框架
如图1所示为学时对接基本框架。以中间横黄线为界，上部为管理功能区，下部为驾培功能区。管理功能区分为驾培管理和驾考及管理两部分。一般称学时对接的狭义理解就是管理功能区中，驾培管理与驾考及管理两部分之间的衔接。根据目前的法律法规，管理功能区中的驾考分区，其实还有许多拓展的信息来源。如驾驶人的交通违法、交通事故责任记录等。
任何改革都不是一帆风顺的。学时制度及学时对接改革，对形成依法培训，建立市场秩序，提高驾培质量是毋庸置疑的。但驾校的利益最大化又驱使某些驾校冒着巨大风险去尝试造假学时的可能。
二、学时异常数据分类
教练场
在驾校上传数据时，应当依法培训、诚实信用，实事求是、真实可靠。但是，受利益驱动，使得某些驾校产生了一些虚假数据。现将异常数据分类如下：
1.变造学车影像状态实车培训是驾培方式中最具传统的教学方式，也是主要的教学手段。学员在正位驾驶座上，体验真实驾驶感受而逐渐形成驾驶技能的过程。但有些驾校或教练员在实车培训科目中，通过变造学员学车状态，改变摄像头方向，采集学员在副驾驶座或后排乘员座位上模仿正位驾驶座上学车影像状态的一种作假方法。
图2 学车状态
如图2所示，这种方法简便易行，没有成本，发生频率较大，也容易发现。也是某些驾校及教练员常用的作假方法。
2.充分利用计时设备漏洞随着国家科技的进步，尽管计时系统的功能、质量有所提高，但总有漏洞的地方。某些驾校教练员寻找计时设备漏洞，借助计时设备漏洞使用不法手段伪造学时数据（如图3）。
图3 计时设备
如通过改变GPS天线虚增培训里程；教练车处于培训状态，但车辆位置静止不动；教练员采取不正当手段安排学员在车上虚假计时计程等，严重侵害了学员合法权益。这种手段必须吃透计时设备的原理，找出计时设备的漏洞，改变正常数据。
3.使用学时造假专用设备个别教练员购置跑码机、照片机等非法学时造假工具接入驾校计时设备终端或者非法改造计时设备终端，通过篡改培训过程照片、虚构训练路线轨迹、虚增培训里程等方式篡改培训学时数据。
4.引入第三方造假机构个别教练员胆子越来越大，引入第三方机构参与作假。不按规定直接使用教练车培训计时设备，通过非法向第三方机构提供驾校、教练车、学员基本信息，购买第三方伪造的培训学时数据上传至驾校计时平台，用于代替学员规范培训学时数据。
5.课堂教学、模拟器教学培训计时不规范
图4 模拟器
如图4所示，通过非法设备上传照片数据伪造培训学时，学员签到后未实际参加培训，学员仅签到签退，驾校实际未开展课堂授课或模拟器损毁不能正常使用。
三、学时异常数据甄别方法
教练车
1.抓拍图片比对法为使数据真实，一般将学员上车训练中，每隔一段时间自动抓拍学员练车状态。但传上来的照片异常。
（1）非系统性抓拍
非系统性抓拍是指所抓拍的图片直接显示的是外接视频设备的起始画面，而非本车辆内规定视频设备所抓拍。如图5所示，外接视频设备的起始画面无法播放。
图5 外接视频无法播放
（2）学员动作不一致
使用签到签退手指比对的培训计时服务平台，系统指令（图片下方显示的数字）和伸出手指数量比对不一致。如图6所示签到签退图片，系统指令显示的分别是2和3，伸出的手指数量是5和1。
图6 两张不同照片的手型不一致
（3）图片暗淡不一致
在训练的某一时间段，天气一般不会发生突变。但培训过程照片明暗色彩异常，图片光线与抓拍图片时刻（培训时段为夜晚，图片光线强）明显不符，说明该信息为虚假信息。
（4）教练车非移动状态
在车辆移动的过程中，车辆所抓拍的学员图片基本一致，车窗玻璃显示的周围参照物应该不一样的。如果长时间连续多张培训过程照片显示教练车外景未改变，说明该信息为虚假信息。
（5）学员所坐位置不正确
在训练时，学员应在驾驶室内驾驶人座位，但连续多张培训过程照片显示学员乘坐后排或副驾驶座椅，显然就是虚假培训信息（如图7）。
图7 学员坐在驾驶室后座上
（6）替代签到签退
学员在课堂教学或模拟器教学时，学员与课堂或模拟器融入一体，所抓拍的也是学员与教学设备、环境一起。否则，课堂教学或驾驶模拟器教学使用图像代替学员签到签退，意味着就是虚假信息。
2.里程异常甄别法根据2022版《机动车驾驶培训教学与考试大纲》，“各省份应当根据实际对各准驾车型培训里程做出相关要求，除 D、E、F 和 C6 外，其余准驾车型培训里程最低不得少于 260 公里。”某些驾校为了节省油料，可谓费尽心机。
（1）科目二。场地驾驶在教练场内进行，一般车速比较低，里程比较少。在传输教练车行驶距离时，尽量将行驶里程误差调大，使得显示里程远远大于实际里程，行驶时速调整至较高状态，时速甚至超过10KM/H。
（2）科目三。实际道路驾驶的里程数远远大于场地驾驶里程，但里程越多耗油越大。许多驾校使用非法手段将培训里程调大，总里程300KM以上，当日平均时速50KM/H以上。
3.时长异常甄别法根据2022版《机动车驾驶培训教学与考试大纲》，“对每个学员理论培训时间每天不得超过 6 学时，实际操作培训时间每天不得超过 4 学时。”
（1）单次连续培训时间4学时以上或者更长，个别超过6小时甚至更长，下图培训起止时间从3月3日至3月5日（如图8）。
图8 培训时长一次超过4学时
（2）单次培训时间过短，甚至1-2分钟。
以上是非常明显的造假现象，但每次训练时间在几分钟也是不正常的现象，不符合实际情况。因为，学员往返驾校需要时间和路程，不可能训练时间在几分钟内就结束。
4.轨迹甄别法根据2022版《机动车驾驶培训教学与考试大纲》，第二、三部分均在场地或实际道路中，通过汽车运动而实现，且驾校都有相应的培训计划。因此，教练车不但是运动的，且行驶轨迹是有规律的（例如训练“倒车入库”）。
（1）培训时长大轨迹显示不动。如图9所示，在较大时长（训练时间）的前提下，运动轨迹只有一点的可能就是汽车固定不动。
图9 汽车运动轨迹比较
（2）多人多车多次培训过程培训轨迹一致。在实际道路驾驶训练时，教练车起点至终点是一条直线是可以理解的，多人多车多次训练，都是同样的行驶轨迹，就难以理解（如图10）。
图10 多人多车多次训练是同一条训练轨迹
5.多要素配合识别法（1）培训过程图片与车辆运行轨迹不符。如图11所示，培训过程图片显示学员在场地内训练，轨迹显示在实际道路，或者培训过程图片显示学员在实际道路训练，轨迹显示在训练场地内。
图11 培训过程中图片（左图）与轨迹（右图）场所不一致
（2）教练车辆行驶轨迹和行驶里程不符。如图12所示，较长距离的行驶里程（60KM）显示较短距离的轨迹。
图12 行驶轨迹和行驶里程不符
6.实时监督比对鉴别法通过培训计时服务平台后台实时监督比对，及时发现违规培训行为。
培训计时服务平台一：培训计时终端有两个摄像头，一个拍摄车辆前方外景，另一个拍摄学员培训过程抓拍过程图片。实时监督时两个摄像头显示驾驶动作不一致的可以判定为伪造培训学时，譬如拍摄车辆前方外景的摄像头显示车辆静止不动，另一个摄像头显示的学员在持续驾驶视频，说明培训计时终端有外接的播放设备。
培训计时服务平台二：培训计时终端也是有两个摄像头，一个拍摄教练员在副驾驶座上的教学过程提升“”的能力，，另一个拍摄学员驾驶培训过程并抓拍过程图片。实时监督时两个摄像头显示驾驶动作不一致的可以判定为伪造培训学时。
7.关联法使用关联功能，查证更多违规培训相关数据。
（1）教练车关联。依据线索查找相关教练车信息，通过教练车关联到该车其他培训信息，违规车辆关联的其他学员存在学时造假几率较高。
（2）教练员关联。依据线索产找相关教练员信息，通过教练员关联到该教练员的其他培训信息，违规教练员关联的其他学员存在学时造假几率较高。
8.上下平台比对法上下平台比对法是指驾校计时平台与监管平台数据不一致的方法。驾校培训计时服务平台后台数据与省市监管服务平台数据比对异常，驾校培训计时服务平台后台轨迹数据明显多于省市监管服务平台轨迹数据，多为写入式伪造学时而成（如图13）。
图13 驾校计时平台数据（上图）与监管平台数据（下图）不一致
四、学时造假防治措施
驾考报名大厅
实行学时制以及学时对接，是基于“互联网 ”发展及科技发展的结果，是利国利民的重要措施。如果从根本上解决学时造假问题，建议从以下方面：
1.强化教练员职业素养教育作为学时制度实施的具体执行者教练员，应充分认清学时制度的重要性和必要性。或驾培需要市场化，同样需要法治化。只有在法治化基础之上的市场化才能使得驾培市场有一个健康有序的秩序，才能从根本上扭转道路交通安全的尴尬局面。一味追逐利益或无底线的追求利益最大化，使市场无序，最后将导致严重的交通安全问题。
2.定期回访学时制度的建立和实现，其根本在于学员。因为，学员在训练中，是否按照教学大纲进行教学，是否按照学时制度训练，学员是直接接收者、体验者、完成者。增加学员回访频次，畅通与学员沟通交流，让学时制度透明于学车过程。对于疑似虚假培训学时可及时联系学员电话核实。同时应宣传教育学员，认清学时规定对保证学员权益的重要性。只要学员自觉认识到学时的重要性和必要性，才能根治学时造假问题。
3.加强监管任何市场都有市场监管部门，应发挥监督管理部门的监督作用。监管部门应加强培训监管，学会识别虚假学时的方法，甄别虚假学时数据，要及时查处违规培训行为。
4.学时造假记入企业和个人信用《机动车驾驶员培训管理规定》二十三条规定，机动车驾驶员培训机构应当加强对教练员教学情况的监督检查，定期对教练员的教学水平和职业道德进行评议，公布教练员的教学质量排行情况，督促教练员提高教学质量。第二十四条省级道路运输管理机构应当制定机动车驾驶培训教练员教学质量信誉考核办法，对机动车驾驶培训教练员实行教学质量信誉考核制度。充分利用驾校、驾培管理、社会多层面诚信平台，约束教练员的行为。
5.充分利用科技手段过滤虚假数据运用GPS时间码、动态码比对等技术手段动态识别违规学时，自动撇弃虚假学时。
五、结语
整体形势向好，多数驾校能够按照教学大纲严格计时培训，抽查培训学时发现，虚假培训学时主要存在于个别驾校个别教练员（教练车），行业主管部门要提高认识，加大对培训学时的监管力度，树立“查假打假”就是维护学员合法权益、促进道路交通安全的有效手段，运用先进技术手段进行“甄假识假”“防假打假”，及时制止计时培训造假范围扩大，维护驾培市场的公平秩序，规范驾培市场秩序。
,
