CN102063744B - 基于车牌识别的高速公路二义性路径通行费拆分方法 - Google Patents

Abstract

本发明涉及一种基于车牌识别的高速公路二义性路径通行费拆分方法，应用于基于车牌识别的高速公路二义性路径通行费拆分系统中，其特征是包括如下步骤：1系统初始化，设定基准值；2接收来自入出口的车道车牌识别设备及门架式车牌识别设备的车牌识别信息，进行比较，确定匹配车辆，3对匹配车辆通行费实时分配，当天结束，计算各匹配率；4每天依基准值及匹配车辆的车牌识别信息进行统计，根据匹配状态，确定未匹配车辆通行费的拆分方法：按已匹配车辆的比例关系，采用双门架拆分方法或单门架拆分方法或历史平均比例拆分方法拆分。本发明的优点是：使未识别出路径的车辆通行费获得趋于合理、客观的拆分结果，保护了高速公路业主的合法权益。

Description

基于车牌识别的高速公路二义性路径通行费拆分方法

技术领域

本发明涉及高速公路二义性路径通行费拆分方法，尤其涉及一种基于车牌识别的高速公路二义性路径通行费拆分方法。

背景技术

随着高速公路的建设和联网技术的发展，我国高速公路保有量已经达到8万公里，路网也越来越复杂，形成了环形网状结构。在高速公路联网路段上，相同的入口和出口之间会有两条或更多路径可以选择，尤其当前投资主体的多元化，各路段由不同的运营商管理维护，由此引发的问题是如何有效识别车辆的通行路径，并将通行费合理、客观地拆分到不同的路段业主，这就是当前公路运营体系面临的路径二义性问题。

目前在高速公路收费管理领域，对最常见的两条路径的二义性路径通行费拆分的客观准确问题，采用多种方法解决，如RFID射频自动识别法、车牌照识别法、路网平衡法、比例协商法等等。其中，车牌照识别法由于操作方便，运行维护费用低，获得更广泛应用，具体应用方法是在高速公路联网路段的入口、出口都安装车道车牌识别设备，在二义性路径标识点设置门架并安装门架式车牌识别设备，各车牌识别设备分别将过往车辆的车牌识别信息传输到高速公路结算中心数据库，经过比较通过入口、出口和各门架的车辆的车牌识别信息，确定过往车辆的通行路径，对通行费进行分配，对入口、出口和门架的车牌识别信息相符的车辆确定为匹配车辆，可识别出其通行路径。目前，除了一部分能识别出路径的车辆外还有一部分未能识别路径的车辆，现有二义性路径通行费拆分方法是：对识别出路径的车辆通行费按识别路径分配，对未识别出路径的车辆通行费根据已经识别出路径的各车型车辆的匹配率的比例关系拆分。然而，采用上述方法存在以下缺陷：(1)车牌的识别率和车辆的匹配率受天气影响大，在雨雾和夜间等能见度较低的天气，车牌照识别设备抓拍图象不清楚，影响车牌的识别和车辆的匹配，已经识别出路径的各车型车辆的匹配率的比例关系与实际的两条路径的各车型的比例关系差异较大，拆分可信度低；(2)受设备状况影响大，当设备维护跟不上或出现设备故障时，车牌识别设备无法准确获取车牌信息，已经识别出路径的各车型车辆的匹配率的比例关系无法客观反映二义性路径各车型的比例关系，甚至失效；(3)该方法不能适应天气及设备运行状态和匹配状态调整拆分方法而是根据已经识别出路径的各车型车辆的匹配率的比例关系直接对未识别出路径的车辆通行费拆分，不符合客观实际。(4)根据车辆通行实践，正常情况下，各路径匹配率和各车型车辆的比例关系是稳定在一定的数值范围内，但现有方法没有参照这些数据的历史信息来调整拆分方法，适应能力差。

总之，对未识别出路径的车辆通行费完全照搬已识别出路径的车辆的比例进行拆分，不能客观反映出二义性路径实际通行状况，通行费的拆分结果欠准确，有失公平。

发明内容

本发明的主要目的在于针对上述问题，在现有的车牌识别拆分收费网络系统基础上，通过执行设置在高速公路结算中心数据库中的自适应状态判别二义性拆分软件程序，针对两条路径的二义性路径，提供出一种基于车牌识别的二义性路径通行费拆分方法，该方法通过系统自诊断、自适应功能，自动调整关键参数，并进行匹配状态的判别，从而使未识别出路径的车辆通行费获得趋于合理、客观的拆分结果，保护了高速公路业主的合法权益。

本发明的设计思想是：给出判断匹配状态的方法，根据匹配状态选择拆分方法：

1)根据车辆通行实践设定了三个基准值：总匹配率满意值、门架匹配率底限值及门架的样本距离合理值。总匹配率满意值是根据历史的统计和车牌识别率指标设定的用来判别匹配状态的基准值；门架匹配率底限值是根据对门架匹配率历史数据统计设定的判别门架匹配状态的基准值；样本距离合理值是根据历史的通过某个门架的各车型的比例关系而设定的判别门架匹配状态的基准值。

2)给出了历史平均比例拆分方法，在两门架匹配状态异常和当只有一个门架匹配状态正常且门架匹配率小于等于门架匹配率历史平均值时，按历史平均比例拆分方法拆分，使拆分结果更趋于客观合理。

3)给出了单门架拆分方法，当只有一个门架匹配状态正常且门架匹配率大于门架匹配率历史平均值，按单门架拆分方法拆分，则匹配状态正常的门架所在的路径拆得的通行费较单纯地采用历史平均比例拆分方法拆得通行费高，保护了运行状态正常的门架所在路段业主的利益，提高了业主对设备的维护力度，促进了整个基于车牌识别的路径识别系统的良性运行，进而保证了整个拆分结果更趋于客观合理。

4)通过引入总匹配率满意值，使拆分方法能适应路网结构调整和流量突变等情况，提高了适应性。

5)具有自适应自调整功能，根据按照双门架拆分方法拆分的近20-30天的各车型门架匹配率的平均值自动调整车型门架匹配率历史平均值、车型匹配率历史平均值和门架匹配率历史平均值。

本发明解决其具体问题所采用的技术方案是：

一种基于车牌识别的高速公路二义性路径通行费拆分方法，应用于主要由分别设于入口、出口的车道车牌识别设备、车道工控机、收费站数据库，分别设于二义性路径标识点的门架上的门架式车牌识别设备及其连接的分中心工控机以及分中心数据库及高速公路结算中心数据库构成的基于车牌识别的高速公路二义性路径通行费拆分系统中，其特征在于包括如下步骤：

1)系统初始化，设定基准值：总匹配率满意值、门架匹配率底限值及各门架的样本距离合理值；

2)接收来自入口、出口的车道车牌识别设备及各门架式车牌识别设备的车牌识别信息，并通过分中心数据库传送到高速公路结算中心数据库；对上述信息进行比较，对入口、出口和门架的车牌识别信息相符的车辆确定为匹配车辆，可识别出其通行路径；

3)对已匹配车辆的通行费按识别路径实时分配，当天结束时，分别计算车型门架匹配率、车型匹配率、门架匹配率、总匹配率、车型门架匹配率历史平均值、车型匹配率历史平均值、门架匹配率历史平均值及门架的样本距离；

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的所述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.1)当总匹配率大于等于总匹配率满意值时，未匹配车辆通行费根据当天已匹配车辆的比例关系，按双门架拆分方法拆分；

4.2)当总匹配率小于总匹配率满意值时，进一步判别各门架匹配率是否分别大于各自门架匹配率底限值：

4.2.1)若两门架匹配率分别大于各自门架匹配率底限值，进而判断其样本距离是否大于各自样本距离合理值；

4.2.1.a)若两门架的样本距离分别小于等于各自样本距离合理值，则未匹配车辆通行费采用双门架拆分方法拆分；

4.2.1.b)若其中一门架的样本距离小于等于其样本距离合理值，则进一步判别其门架匹配率是否大于门架匹配率历史平均值：

4.2.1.b.1)若其门架匹配率大于门架匹配率历史平均值，则未匹配车辆通行费采用单门架拆分方法拆分；

4.2.1.b.2)若门架匹配率小于等于门架匹配率历史平均值，则未匹配车辆通行费采用历史平均比例拆分方法拆分；

4.2.1.c)若两门架样本距离分别大于各自样本距离合理值，则未匹配车辆通行费采用历史平均比例拆分方法拆分；

4.2.2)若其中一门架的门架匹配率大于其门架匹配率底限值时，进而判断其样本距离是否大于样本距离合理值；

4.2.2.a)若其样本距离大于样本距离合理值，则未匹配车辆通行费采用历史平均比例拆分方法拆分；

4.2.2.b)若其样本距离小于等于样本距离合理值，则未匹配车辆通行费采用步骤4.2.1.b进行拆分；

4.2.3)若两门架的门架匹配率分别小于等于各自门架匹配率底限值，则未匹配车辆通行费采用历史平均比例拆分方法拆分；

所述双门架拆分方法为：

未匹配出来的车辆中，车型(j)的通行费拆给门架(i)所在路径的比例为

剩余通行费拆给另一门架所在路径；

所述单门架拆分方法为：

未匹配出来的车辆中，车型(j)的通行费拆给符合上述单门架拆分条件的门架(i)所在路径的拆分比例为

剩余通行费拆给另一门架所在路径；

所述历史平均比例拆分方法为：

未匹配出来的车辆中，车型(j)的通行费拆给符合上述历史平均比例拆分条件的门架(i)所在路径的拆分比例为

剩余通行费拆给另一门架所在路径；

所述门架的样本距离

是用来衡量当天通过门架(i)的各车型的匹配率的比例关系与门架(i)的各车型匹配率历史平均值的比例关系的差异情况的指标；

上述各公式中：

i-门架编号，为1或2，j-车型编号，N-车型数量；

车型门架匹配流量是通过门架(i)所在路径的已匹配车型(j)的车辆的总数；

车型匹配流量q^j是通过两门架所在路径的已匹配车型(j)的车辆的总数，

$q^j=q_1^j+q_2^j;$

车型流量Q^j是通过两门架所在路径的车型(j)的车辆的总数；

总流量Q是通过两门架所在路径的所有车辆的总数；

车型门架匹配率

是车型(j)通过门架(i)所在路径的车辆的匹配率；

车型匹配率

门架匹配率

总匹配率C＝C₁+C₂；

车型门架匹配率历史平均值

是按双门架拆分的近20-30天内车型(j)通过门架(i)所在路径的车辆的匹配率历史平均值；

车型匹配率历史平均值

门架匹配率历史平均值

所述车牌识别信息包括车牌号码、通过入口、出口和门架的时间及门架式车牌识别设备编号。

所述总匹配率满意值为0.5-0.7，门架匹配率底限值为门架匹配率历史平均值的70％-90％；样本距离合理值为0.01-0.04。

本发明的有益效果是：在现有的车牌识别拆分收费网络系统基础上，通过执行设置在高速公路结算中心数据库中的自适应状态判别二义性拆分软件程序，提供出一种基于车牌识别的二义性路径通行费拆分方法，该方法根据车辆通行实践，通过参照历史信息设定基准值，通过系统自诊断、自适应功能，自动调整相关参数，进行匹配状态的判别，适应天气、设备运行情况，选择合理的拆分方法，从而使未识别出路径的车辆通行费获得趋于合理、客观的拆分结果，保护了高速公路业主的合法权益。本方法实施成本低，效果好，宜于推广。

附图说明

图1是本发明采用的基于车牌识别的高速公路二义性路径通行费拆分系统结构示意图；

图2是二义性路径的结构示意图；

图3是基于车牌识别的高速公路二义性路径通行费拆分方法的流程图。

图中：A，B路径，1门架，11门架式车牌识别设备，2门架，21门架式车牌识别设备，3入口，31车道车牌识别设备，32车道工控机，33入口收费站数据库，4出口，41车道车牌识别设备，42车道工控机，43出口收费站数据库，5分中心数据库，6高速公路结算中心数据库。

以下结合附图和实施例对本发明详细说明。

具体实施方法

图1-图2示出本发明采用的基于车牌识别的高速公路二义性路径通行费拆分系统的结构及应用示意；该系统主要由设于入口3的车道车牌识别设备31、车道工控机32、入口收费站数据库33，设于出口4的车道车牌识别设备41、车道工控机42、出口收费站数据库43，设于二义性路径A标识点的门架1上的门架式车牌识别设备11、分中心工控机12，设于二义性路径B的门架2上的门架式车牌识别设备21、分中心工控机22以及分中心数据库5及高速公路结算中心数据库6构成。

基本处理过程是，当车辆进入入口3时，车道车牌识别设备31将抓拍的车牌图像传递给车道工控机32，车道工控机中插有专用车牌识别PCI板卡，车牌识别信息经车道工控机32写入IC卡，同时将车牌识别信息传送到入口收费站数据库33，再经分中心数据库5传送至高速公路结算中心数据库6。出口4处理过程相同。在二义性路径A、B上分别设置的门架式车牌识别设备11、21抓拍的车牌图像传送至各自的分中心工控机12、22，识别出二义性路径A、B过往车辆的车牌识别信息，经分中心数据库5传送至高速公路结算中心数据库6。经比较确定车辆的行驶路径，并统计分析确定出路径的车牌识别信息，进行相应的通行费拆分工作。

本发明的特点是在高速公路结算中心数据库6中设置了自适应状态判别二义性拆分软件程序，从而提供出一种更趋于合理、客观的高速公路二义性路径通行费拆分方法。

图3示出了基于车牌识别的高速公路二义性路径通行费拆分方法的流程，以下通过9个实施例分别说明不同条件下的二义性路径通行费拆分方法，具体数值分别见表1二义性路径通行费拆分实施例1、2数据表，表2二义性路径通行费拆分实施例3数据表，表3二义性路径通行费拆分实施例4数据表，表4二义性路径通行费拆分实施例5数据表，表5二义性路径通行费拆分实施例6数据表，表6二义性路径通行费拆分实施例7数据表，表7二义性路径通行费拆分实施例8数据表，表8二义性路径通行费拆分实施例9数据表。

实施例1

一种基于车牌识别的高速公路二义性路径通行费拆分方法，应用于上述基于车牌识别的高速公路二义性路径通行费拆分系统中，其特征在于包括如下步骤：

1)系统初始化，设定基准值：包括总匹配率满意值、门架匹配率底限值及门架的样本距离合理值，所述总匹配率满意值为0.5-0.7，门架匹配率底限值为门架匹配率历史平均值的70％-90％；样本距离合理值为0.01-0.04；本例中，设定总匹配率满意值为0.6，门架匹配率底限值为门架匹配率历史平均值的85％，门架1样本距离合理值为0.01，门架2样本距离合理值为0.035；

2)接收来自入口、出口的车道车牌识别设备31、41及门架式车牌识别设备11、21的车牌识别信息，并通过分中心的数据库5传送到高速公路结算中心数据库6；对上述信息进行比较，对入口3、出口4和门架1、2的车牌识别信息相符的车辆确定为匹配车辆，可识别出其通行路径；上述车牌识别信息包括车牌号码、通过入口、出口和门架的时间及门架式车牌识别设备编号；

3)对已匹配车辆的通行费按识别路径实时分配，在当天结束时，按照下述公式分别计算车型门架匹配率、车型匹配率、门架匹配率、总匹配率、车型门架匹配率历史平均值、车型匹配率历史平均值、门架匹配率历史平均值及门架的样本距离：车型门架匹配率

即车型j通过门架i所在路径的车辆的匹配率，车型匹配率

门架匹配率总匹配率C＝C₁+C₂，近24天车型门架匹配率历史平均值

车型匹配率历史平均值

门架匹配率历史平均值

门架的样本距离

上述各式中i-门架编号，为1或2；j-车型编号，j＝1、2…9；N-车型数量，N＝9；上述车型门架匹配率历史平均值

是按双门架拆分的近20-30天内车型j通过门架i所在路径的车辆的匹配率历史平均值，本例中选用24天进行平均计算，上述门架的样本距离l_i是用来衡量当天通过门架i的各车型的匹配率的比例关系与门架i的各车型匹配率历史平均值的比例关系的差异情况的指标；车型门架匹配流量

是通过门架i所在路径的已匹配车型j的车辆的总数，车型匹配流量q^j是通过两门架所在路径的已匹配车型j的车辆的总数，

车型流量Q^j是通过两门架所在路径的车型j的车辆的总数，总流量Q是通过两门架所在路径的所有车辆的总数，上述公式中

C_i、C、

l_i的数值见表1实施例1；

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的上述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.1)总匹配率为0.6002大于总匹配率满意值0.6，未匹配车辆通行费根据当天已匹配车辆的比例关系，按双门架拆分方法拆分，以车型为单位进行拆分，即未匹配出来的车辆中的车型j的通行费拆给门架i所在路径的比例为

剩余通行费拆给另一门架所在路径，拆分结果见表1实施例1；

由表1实施例1可见，当总匹配率大于总匹配率满意值时，采用双门架拆分方法拆分的结果与现有的拆分结果相同。

实施例2

步骤1-3同实施例1，步骤3中的

C_i、C、

l_i的数值见表1实施例2；

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的上述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.2)总匹配率为0.4824小于总匹配率满意值0.6，则进一步判别门架1、2的门架匹配率是否分别大于各自门架匹配率底限值：

4.2.1)门架1匹配率为0.0806大于其门架匹配率底限值0.0895×85％＝0.0761，门架2匹配率0.4018大于其门架匹配率底限值0.4465×85％＝0.3795，进而判断其样本距离是否大于各自样本距离合理值；

4.2.1.a)门架1的样本距离0.0066小于其样本距离合理值0.01，门架2的样本距离为0.0268也小于其样本距离合理值0.035，则未匹配车辆通行费采用双门架拆分方法拆分，具体计算方法同实施例1，拆分结果见表1实施例2。

由表1实施例2数据可见，当总匹配率小于总匹配率满意值时，两门架匹配率分别大于各自门架匹配率底限值，其样本距离小于各自样本距离合理值时，采用双门架拆分方法拆分的结果与现有的拆分结果相同。

实施例3

某天门架1故障，无法识别通行车辆，门架1匹配率为0，门架2匹配数据见表2实施例3。

步骤1-3同实施例1，步骤3中

Q^j、Q、

C_i、C、

l_i的数值见表2实施例3；

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的上述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.2)总匹配率为0.4329小于总匹配率满意值0.6，进一步判别门架1、2的门架匹配率是否分别大于各自门架匹配率底限值：

4.2.1)门架1的门架匹配率为0小于其门架匹配率底限值0.0895×85％＝0.0761，门架2的门架匹配率为0.4329大于其门架匹配率底限值0.4465×85％＝0.3795；

4.2.2)门架2的门架匹配率大于其门架匹配率底限值，进而判断其样本距离是否大于样本距离合理值；

4.2.2.a)门架2的样本距离为0.0393大于样本距离合理值0.035，则未匹配车辆通行费采用历史平均比例拆分方法拆分，即未匹配出来的车辆中的车型j的通行费拆给门架i所在路径的拆分比例为剩余通行费拆给另一门架所在路径。式中：

Q^j、

、q^j、i、j定义同实施例1，本例中i＝1、2，拆分结果见表2的实施例3；

由表2实施例3可见，当总匹配率小于总匹配率满意值，一门架匹配率大于其门架匹配率底限值且门架的样本距离大于其样本距离合理值，另一门架匹配率小于门架匹配率底限值，采用历史平均比例拆分方法拆分的结果与现有方法的拆分结果存在较大差异，以车型1为例，对未匹配的车辆拆给门架1所在路径的通行费的比例为40.49％，而现有方法为0，加上已匹配的车型1的车辆的通行费，这些车辆的通行费已经实时分配给识别路径，采用历史平均比例拆分方法拆分后，车型1拆给门架1所在路径的通行费总拆分比例为20.66％，而现有方法为0，可见这种情况采用历史平均比例拆分方法更加客观合理。比较表2实施例3中其他车型的数据，也同样说明了采用历史平均比例拆分方法的客观合理性。

实施例4

某天门架2故障，无法识别通行车辆，门架2匹配率为0，门架1匹配数据见表3实施例4。

步骤1-3同实施例1，步骤3中

Q^j、Q、

C_i、C、

l_i的数值见表3实施例4。

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的上述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.2)总匹配率为0.0955小于总匹配率满意值0.6：

4.2.1)门架1的门架匹配率0.0955大于其门架匹配率底限值0.0895×85％＝0.0761，门架2的门架匹配率为0小于其门架匹配率底限值0.4465×85％＝0.3795；

4.2.2)其中门架1的门架匹配率大于其门架匹配率底限值，进而判断其样本距离是否大于样本距离合理值；

4.2.2.b)门架1的样本距离为0.0061小于其样本距离合理值0.01则未匹配车辆通行费采用步骤4.2.1.b进行拆分；

4.2.1.b.1)门架1的门架匹配率为0.0955大于门架匹配率历史平均值0.0895，则未匹配车辆通行费采用单门架拆分方法拆分，即未匹配出来的车辆中的车型j的通行费拆给门架i所在路径的比例为

剩余通行费拆给另一门架所在路径。式中：

Q^j、q^j  j定义同实施例1、i＝1，拆分结果见表3实施例4；

由表3实施例4可见，当总匹配率小于总匹配率满意值，一门架的门架匹配率大于门架匹配率底限值、样本距离小于其样本距离合理值且门架匹配率大于门架匹配率历史平均值，另一门架匹配率小于门架匹配率底限值，采用单门架拆分方法拆分的拆分结果与现有方法的拆分结果存在较大差异，以车型1为例，对未匹配的车辆拆给门架1所在路径的通行费的比例为7.80％，而现有方法为100％，加上已匹配的车型1的车辆的通行费，这些车辆已经实时分配给识别路径，采用单门架拆分后，车型1拆给门架1所在路径的通行费总拆分比例为22.23％，而现有方法为100％，而按照历史平均比例拆分方法为20.66％(见实施例3)，可见此时单门架拆分方法更加客观合理，而且与历史平均比例拆分法相比，拆分结果对设备正常的路段略有利。比较表3实施例4中其他车型的数据，也同样说明了采用单门架拆分方法的客观合理性。

实施例5

步骤1-3同实施例1，步骤3中的Q^j、Q、

C_i、C、

l_i的数值见表4实施例5；

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的上述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.2)总匹配率为0.5284小于总匹配率满意值0.6，进一步判别门架1、2的门架匹配率是否分别大于各自门架匹配率底限值：

4.2.1)门架1的门架匹配率为0.0955大于其门架匹配率底限值0.0895×85％＝0.0761，门架2的门架匹配率为0.4329大于其门架匹配率底限值0.4465×85％＝0.3795，进而判断其样本距离是否大于各自样本距离合理值；

4.2.1.a)门架1的样本距离为0.0061小于其样本距离合理值0.01，门架2的样本距离为0.0393大于其样本距离合理值0.035；

4.2.1.b)门架1的样本距离小于其样本距离合理值，则进一步判别其门架匹配率是否大于其门架匹配率历史平均值。

4.2.1.b.1)门架1的门架匹配率为0.0955大于其门架匹配率历史平均值0.0895，则未匹配车辆通行费采用单门架拆分方法拆分，具体拆分方法同实施例4，拆分结果见表4实施例5。

由表4实施例5可见，当总匹配率小于总匹配率满意值，两门架匹配率分别大于各自门架匹配率底限值，其中一个门架的样本距离小于其样本距离合理值且门架匹配率大于门架匹配率历史平均值，另一门架的样本距离大于其样本距离合理值，采用单门架拆分方法拆分的结果与现有方法的拆分结果存在较大差异，以车型1为例，对未匹配的车辆拆给门架1所在路径的通行费的比例为18.56％，而现有方法24.22％，加上已匹配的车型1的车辆的通行费，这些车辆的通行费已经实时分配给识别路径，采用单门架拆分后，车型1拆给门架1所在路径的通行费总拆分比例为22.23％，而现有方法为24.22％，而按照历史平均比例拆分方法为20.66％，可见此时考虑了匹配状态而且拆给运行状态较好的门架所在的路径的通行费的比例较历史平均比例拆分方法略高，更加客观合理。比较表4实施例5中其他车型的数据，也同样说明了采用单门架拆分方法的客观合理性。

实施例6

某天门架1故障，无法识别通行车辆，门架1匹配率为0；

步骤1-3同实施例1，步骤3中

Q^j、Q、

C_i、C、

l_i的数值见表5实施例6；

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的上述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.2)总匹配率为0.4429小于总匹配率满意值0.6，进一步判别门架1、2的门架匹配率是否分别大于各自门架匹配率底限值：

4.2.1)门架1的门架匹配率为0小于其门架匹配率底限值0.0895×85％＝0.0761，门架2的门架匹配率为0.4429大于其门架匹配率底限值0.4465×85％＝0.3795；

4.2.2)门架2的门架匹配率大于其匹配率底限值，进而判断其样本距离是否大于样本距离合理值；

4.2.1.b)门架2的样本距离为0.0321小于其样本距离合理值0.035，则进一步判别其门架匹配率是否大于门架匹配率历史平均值：

4.2.1.b.2)门架2的门架匹配率为0.4429小于门架2匹配率历史平均值0.4465，则未匹配车辆通行费采用历史平均比例拆分方法拆分，具体计算同实施例3，拆分结果见表5的实施例6；

由表5实施例6可见，当总匹配率小于总匹配率满意值，一门架匹配率大于其门架匹配率底限值且门架的样本距离小于其样本距离合理值、门架匹配率小于门架匹配率历史平均值，另一门架匹配率小于门架匹配率底限值，采用历史平均比例拆分方法的拆分结果与现有方法的拆分结果存在较大差异，以车型1为例，对未匹配的车辆拆给门架2所在路径的通行费的比例为57.64％，而现有方法为100％，加上已匹配的车型1的车辆的通行费，这些车辆的通行费已经实时分配给识别路径，采用历史平均比例拆分方法拆分后，车型1拆给门架2所在路径的通行费总拆分比例为79.34％，而现有方法为100％，采用单门架拆分为72.74％，可见这种情况采用历史平均比例拆分方法比单门架拆分对设备较好的路段略有利，比现有方法和单门架拆分方法更加客观合理。比较表5实施例6中其他车型的数据，也同样说明了采用历史平均比例拆分方法的客观合理性。

实施例7

步骤1-3同实施例1，步骤3中

Q^j、Q、

C_i、C、

l_i的数值见表6实施例7；

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的上述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.2)总匹配率为0.5122小于总匹配率满意值0.6，进一步判别门架1、2的门架匹配率是否分别大于各自门架匹配率底限值：

4.2.1)门架1的门架匹配率为0.0793大于其门架匹配率底限值0.0895×85％＝0.0761，门架2的门架匹配率为0.4329大于其门架匹配率底限值0.4465×85％＝0.3795，进而判断其样本距离是否大于各自样本距离合理值；

4.2.1.c)门架1的样本距离为0.0113大于其样本距离合理值0.01，门架2的样本距离为0.0393大于其样本距离合理值0.035，则未匹配车辆通行费采用历史平均比例拆分方法拆分，具体计算同实施例3，拆分结果见表6的实施例7；

由表6实施例7可见，当总匹配率小于总匹配率满意值时，两门架匹配率分别大于各自门架匹配率底限值，各门架的样本距离大于其样本距离合理值，采用历史平均比例拆分方法拆分的结果与现有方法的拆分结果存在一定差异，以车型1为例，对未匹配的车辆拆给门架1所在路径的通行费的比例为19.29％，而现有方法为21.49％，加上已匹配的车型1的车辆的通行费，这些车辆的通行费已经实时分配给识别路径，采用历史平均比例拆分方法拆分后，车型1拆给门架1所在路径的通行费的总拆分比例为20.66％，而现有方法为21.49％，尽管总拆分比例接近，但采用历史平均比例拆分，充分考虑了匹配状态，比现有方法和单门架拆分方法更加客观合理。比较表6实施例7中其他车型的数据，也同样说明了采用历史平均比例拆分方法的客观合理性。

实施例8

步骤1-3同实施例1，步骤3中

Q^j、Q、

C_i、C、l_i的数值见表7实施例8；

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的上述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.2)总匹配率为0.5222小于总匹配率满意值0.6，进一步判别门架1、2的门架匹配率是否分别大于各自门架匹配率底限值：

4.2.1)门架1的门架匹配率为0.0793大于其门架匹配率底限值0.0895×85％＝0.0761，门架2的门架匹配率为0.4429大于其门架匹配率底限值0.4465×85％＝0.3795，进而判断其样本距离是否大于各自门架的样本距离合理值；

4.2.1.b)门架1的样本距离为0.0113大于其样本距离合理值0.01，门架2的样本距离为0.0321小于其样本距离合理值0.035，则进一步判别其门架匹配率是否大于门架匹配率历史平均值：

4.2.1.b.2)门架2的门架匹配率为0.4429小于门架匹配率历史平均值0.4465，则未匹配车辆通行费采用历史平均比例拆分方法拆分，具体计算同实施例3，拆分结果见表7的实施例8；

由表7实施例8可见，当总匹配率小于总匹配率满意值时，两门架匹配率分别大于各自门架匹配率底限值，其中一个门架的样本距离小于其样本距离合理值且门架匹配率小于门架匹配率历史平均值，另一门架的样本距离大于其样本距离合理值，采用历史平均比例拆分方法的拆分结果与现有方法的拆分结果存在一定差异，以车型1为例，对未匹配的车辆拆给门架1所在路径的通行费的比例为20.52％，而现有方法20.74％。加上已匹配的车型1的车辆的通行费，这些车辆的通行费已经实时分配给识别路径，采用历史平均比例拆分方法拆分后，车型1拆给门架1所在路径的通行费的总拆分比例为20.66％，而现有方法为20.74％，尽管总拆分比例接近，但采用历史平均比例拆分，充分考虑了匹配状态，比现有方法更加客观合理。比较表7实施例8中其他车型的数据，也同样说明了采用历史平均比例拆分方法的客观合理性。

实施例9

某天两门架都损坏，不能识别通行车辆，其门架匹配率为0，低于总匹配率满意值，也低于各门架匹配率底限值，此时系统判断匹配状态异常，按历史平均比例拆分方法拆分。由表8实施例9可见，以车型1为例，对未匹配的车辆拆给门架1所在路径的通行费的比例为20.66％，而现有方法无法拆分。可见这种情况采用历史平均比例拆分方法更加客观合理。比较表8实施例9中其他车型的数据，也同样说明了采用历史平均比例拆分方法的客观合理性。

综上所述，以上9种情况，本方法都选择了较现有拆分方法更科学合理，更符合客观实际的拆分方法，经过天津津沧、京沪高速的二义性路径的试运行，证明该方法能够根据天气及设备运行状态和匹配状态调整拆分方法选择合理的拆分方法，从而客观合理地拆分二义性路径通行费。

Claims (3)

1.一种基于车牌识别的高速公路二义性路径通行费拆分方法，应用于主要由分别设于入口、出口的车道车牌识别设备、车道工控机、收费站数据库，分别设于二义性路径标识点的门架上的门架式车牌识别设备及其连接的分中心工控机以及分中心数据库及高速公路结算中心数据库构成的基于车牌识别的高速公路二义性路径通行费拆分系统中，其特征在于包括如下步骤：

1)系统初始化，设定基准值：总匹配率满意值、门架匹配率底限值及各门架的样本距离合理值；

2)接收来自入口、出口的车道车牌识别设备及各门架式车牌识别设备的车牌识别信息，并通过分中心数据库传送到高速公路结算中心数据库；对上述信息进行比较，对入口、出口和门架的车牌识别信息相符的车辆确定为匹配车辆，即识别出其通行路径；

3)对已匹配车辆的通行费按识别路径实时分配，当天结束时，分别计算车型门架匹配率、车型匹配率、门架匹配率、总匹配率、车型门架匹配率历史平均值、车型匹配率历史平均值、门架匹配率历史平均值及门架的样本距离；

4)对未匹配车辆的车牌识别信息进行存储并依据系统初始化设定的所述基准值及已匹配车辆的车牌识别信息进行统计和判断，根据匹配状态，确定未匹配车辆通行费的拆分方法：

4.1)当总匹配率大于等于总匹配率满意值时，未匹配车辆通行费根据当天已匹配车辆的比例关系，按双门架拆分方法拆分；

4.2)当总匹配率小于总匹配率满意值时，进一步判别各门架匹配率是否分别大于各自门架匹配率底限值：

4.2.1)若两门架匹配率分别大于各自门架匹配率底限值，进而判断其样本距离是否大于各自样本距离合理值；

4.2.1.a)若两门架的样本距离分别小于等于各自样本距离合理值，则未匹配车辆通行费采用双门架拆分方法拆分；

4.2.1.b)若其中一门架的样本距离小于等于其样本距离合理值，则进一步判别其门架匹配率是否大于门架匹配率历史平均值：

4.2.1.b.1)若其门架匹配率大于门架匹配率历史平均值，则未匹配车辆通行费采用单门架拆分方法拆分；

4.2.1.b.2)若门架匹配率小于等于门架匹配率历史平均值，则未匹配车辆通行费采用历史平均比例拆分方法拆分；

4.2.1.c)若两门架样本距离分别大于各自样本距离合理值，则未匹配车辆通行费采用历史平均比例拆分方法拆分；

4.2.2)若其中一门架的门架匹配率大于其门架匹配率底限值时，进而判断其样本距离是否大于样本距离合理值；

4.2.2.a)若其样本距离大于样本距离合理值，则未匹配车辆通行费采用历史平均比例拆分方法拆分；

4.2.2.b)若其样本距离小于等于样本距离合理值，则未匹配车辆通行费采用步骤4.2.1.b进行拆分；

4.2.3)若两门架的门架匹配率分别小于等于各自门架匹配率底限值，则未匹配车辆通行费采用历史平均比例拆分方法拆分；

所述双门架拆分方法为：

未匹配出来的车辆中，车型j的通行费拆给门架i所在路径的比例为

剩余通行费拆给另一门架所在路径；

所述单门架拆分方法为：

未匹配出来的车辆中，车型j的通行费拆给符合上述单门架拆分条件的门架i所在路径的拆分比例为

剩余通行费拆给另一门架所在路径；

所述历史平均比例拆分方法为：

未匹配出来的车辆中，车型j的通行费拆给符合上述历史平均比例拆分条件的门架i所在路径的拆分比例为

剩余通行费拆给另一门架所在路径；

所述门架的样本距离

是用来衡量当天通过门架i的各车型的匹配率的比例关系与门架i的各车型匹配率历史平均值的比例关系的差异情况的指标；

上述各公式中：

i-门架编号，为1或2，j-车型编号，N-车型数量；

车型门架匹配流量是通过门架i所在路径的已匹配车型j的车辆的总数；

车型匹配流量q^j是通过两门架所在路径的已匹配车型j的车辆的总数， $q^j=q_1^j+q_2^j;$

车型流量Q^j是通过两门架所在路径的车型j的车辆的总数；

总流量Q是通过两门架所在路径的所有车辆的总数；

车型门架匹配率

是车型j通过门架i所在路径的车辆的匹配率；

车型匹配率 $C^j=C_1^j+C_2^j;$

门架匹配率 $C_i=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{C}_i^j;$

总匹配率C＝C₁+C₂；

车型门架匹配率历史平均值

是按双门架拆分的近20-30天内车型j通过门架i所在路径的车辆的匹配率历史平均值；

车型匹配率历史平均值

门架匹配率历史平均值

2.根据权利要求1所述的基于车牌识别的高速公路二义性路径通行费拆分方法，其特征在于所述车牌识别信息包括车牌号码、通过入口、出口和门架的时间及门架式车牌识别设备编号。

3.根据权利要求1所述的基于车牌识别的高速公路二义性路径通行费拆分方法，其特征在于所述总匹配率满意值为0.5-0.7，门架匹配率底限值为门架匹配率历史平均值的70％-90％；样本距离合理值为0.01-0.04。

Images