CN102609997A - 基于动态时程匹配的高速公路多义性路径自动识别方法 - Google Patents
基于动态时程匹配的高速公路多义性路径自动识别方法 Download PDFInfo
- Publication number
- CN102609997A CN102609997A CN2012100701731A CN201210070173A CN102609997A CN 102609997 A CN102609997 A CN 102609997A CN 2012100701731 A CN2012100701731 A CN 2012100701731A CN 201210070173 A CN201210070173 A CN 201210070173A CN 102609997 A CN102609997 A CN 102609997A
- Authority
- CN
- China
- Prior art keywords
- path
- vehicle
- time
- histories
- website
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供基于动态时程匹配的高速公路多义性路径自动识别方法,首先计算高速公路网中所有相邻站点之间路段的动态权值,然后采用深度优先查找的方式搜索车辆从任意一个站点入站到达另一个站点出站的可行性路径,并计算每条可行性路径需要花费的时程,最后在所有可行性路径中选择时程最接近该车辆经过该线路实际花费时程的路径作为该车辆的行驶路径。本发明能够有效地解决车辆在高速公路路网中的路径识别问题,从而能够计算高速公路网中所有相邻站点之间路段的车流量,为高速公路联网收费以及营利分配提供有力的依据,具有极大的使用价值。
Description
技术领域
本发明涉及高速公路多义性路径识别技术,具体涉及基于动态时程匹配的高速公路多义性路径自动识别方法。
背景技术
随着高速公路建设的快速发展,不同时期建设的高速公路得到了联网整合,形成了大量的环网,车辆高速公路路网的从某个站点入站到达另一个站点出站的可选择的行驶路线增多,即路网中某些入口站点与出口站点之间存在多义性路径。多义性路径使得各高速公路公司间营利很难进行客观地、恰当地分配。准确地识别车辆行驶路径能够给路网收费站收取通行费和各高速公路公司间营利的分配提供有力的依据,从而使高速公路管理手段更加现代化。
现有的高速公路多义性路径自动识别方法有最短路径法、车牌识别技术、ETC车道识别技术和GPS全球定位系统技术。下面分别介绍这四种识别方法的优缺点。
最短路径法通常采用单一的里程指标划分标准识别车辆的行驶路径,它是一种投资少、简单易行的方法,但不能完全准确地反映车辆的实际行驶路径,具有一定的局限性。
车牌识别技术可分为基于无线射频识别技术(Radio Frequency Identification,RFID)的自动检测识别方法和基于图像处理技术的检测识别方法。RFID识别技术抗干扰能力强、不受天气影响、且可穿透非金属物体进行识别,识别速率快、准确率高,却难以有效防止作弊,电子标签容易丢失,并且只能管制内部车辆;基于图像处理的车牌识别技术对基础建设方面几乎没有要求,但是抗干扰性差,准确率也有待提高。
ETC车道识别技术能够在全天候、恶劣环境下应用,具有工作距离远,安全可靠性高,高速,寿命长的优点。建设成本高,相关的ETC研发技术、工程实施、标准规范比较复杂,需要较广泛的厂商支持,ETC技术推进周期漫长。
GPS全球定位系统采用了先进的通信和定位技术,加入了路径等信息,能够有效解决系统的路径识别问题。但是GPS技术投资成本比较高,对于服务商和车主造成了不小的经济负担。
此外,车牌识别技术、ETC车道识别技术和GPS全球定位系统技术需要和高速公路联网收费系统进行集成,也会面临着一系列的问题。
发明内容
本发明提供了基于动态时程匹配的高速公路多义性路径自动识别方法,用于解决高速公路路网中车辆行驶路径识别的问题,给联网收费环境下高速公路收费站收取车辆通行费用以及通行费在各高速公路公司之间的分配提供直接的依据。路径识别技术的应用直接影响到投资者、管理者的利益,也涉及到道路使用者的利益,因此,路径识别技术的精度、可操作性、适应性、以及投资效益是否满足收费管理的要求就显得非常重要。具体技术方案如下:
基于动态时程匹配的高速公路多义性路径自动识别方法,其包括以下步骤:
(a)建立高速公路路网模型;
(b)计算高速公路网中所有相邻站点之间路段的动态权值;
(c)搜索车辆从任意一个站点入站到达另一个站点出站的可行性路径;
(d)从所有可行性路径中识别车辆行驶路径。
上述的基于动态时程匹配的高速公路多义性路径自动识别方法中,步骤(a)具体是:根据高速公路路网的收费站分布信息建立高速公路路网模型,记录站点名称和站点之间连接关系。
上述的基于动态时程匹配的高速公路多义性路径自动识别方法中,步骤(b)包括以下步骤:
(b-1)从高速公路联网收费系统的数据库中提取出每辆车的车行记录,包括入口站点名称、入口时间,出口站点名称、出口时间;
(b-2)统计时间段T内从某个站点入站到达另一个相邻站点出站的车辆数量N并记录每辆车在该路段的行驶时间,定义第i辆车在该路段的行驶时间为ti,1≤i≤N;
(b-3)根据(b-1)和(b-2)计算高速公路路网中任意两个相邻站点之间路段的动态权值,定义为
上述的基于动态时程匹配的高速公路多义性路径自动识别方法中,步骤(c)具体是:根据车辆在高速公路路网的入站点名称和出站点名称,按照深度优先查找的方式(Depth FirstSearch)搜索该车辆所有的可行性路径。
上述的基于动态时程匹配的高速公路多义性路径自动识别方法中,步骤(d)包括以下步骤:
(d-1)对于每辆车的所有可行性路径,计算车辆在该路径行驶需要花费的时程,该时程等于车辆从入站点到出站点包含的所有相邻站点之间路段的动态权值之和;
(d-2)在所有可行性路径中选择时程最接近该车辆经过该线路实际花费时程的路径作为该车辆的行驶路径。
与现有技术相比,本发明具有如下优点和技术效果:
(1)识别车辆行驶路径花费的代价小,不需要额外硬件设施的投入,比车牌识别技术、ETC车道识别技术和GPS全球定位系统技术更加节省成本,而且简单有效;
(2)采用动态时程匹配技术,比采用单一的里程指标划分标准识别车辆行驶路径的方法更加准确可靠、稳定性和适应性更强;
(3)本发明提出的车辆路径识别技术是一种后期分析技术,不需要考虑将该技术和高速公路其他系统进行集成和整合,避免了额外较大的设备成本开销;
(4)本发明能够根据所有车辆的行驶路径计算所有相邻站点之间路段中每条路段有多少车辆经过,得到所有相邻站点之间路段的车流量,从而为现有收费公司的营利分配提供依据;
(5)本发明提出的路径识别技术具有精度高、可操作性和适应性强等优点。
附图说明
图1为基于动态时程匹配的高速公路多义性路径自动识别流程图。
图2为广州市的高速公路多义性路径示例图。
具体实施方式
以下结合附图对本发明的实施作进一步说明,但本发明的实施和保护范围不限于此。
基于动态时程匹配的高速公路多义性路径自动识别方法包括建立高速公路路网模型、计算高速公路网中所有相邻站点之间路段的动态权值、搜索车辆从任意一个站点入站到达另一个站点出站的可行性路径、识别车辆行驶路径四个部分。图1为基于动态时程匹配的高速公路多义性路径自动识别的流程图,具体流程如下:
(a)建立高速公路路网模型;
(b)计算高速公路网中所有相邻站点之间路段的动态权值;
(c)搜索车辆从任意一个站点入站到达另一个站点出站的可行性路径;
(d)从所有可行性路径中识别车辆行驶路径。
以下结合图2所示广州市的高速公路多义性路径示例图详细地说明本发明的实施过程。
步骤(a)根据高速公路路网的收费站分布信息建立高速公路路网模型,记录站点名称和站点之间连接关系;
在图2所示路网模型中有4条高速公路,7个收费站,分别为①机场高速公路:广花、平沙、蚌湖;②沈海高速公路:广花、广汕、火村;③华南快速干线:平沙、和库、龙洞、广汕;④北二环高速公路:蚌湖、和库、火村。
该路网模型中站点的连接关系如表1所示。
表1站点连接关系表
站点名称 | 相邻站点名称 |
平沙 | 龙洞、广花、蚌湖 |
广花 | 广汕、平沙 |
广汕 | 火村、广花、龙洞 |
和库 | 火村、龙洞、蚌湖 |
火村 | 广汕、和库 |
龙洞 | 广汕、平沙、和库 |
蚌湖 | 和库、平沙 |
步骤(b)计算高速公路网中所有相邻站点之间路段的动态权值。
步骤(b)包括以下步骤:
(b-1)从高速公路联网收费系统的数据库中提取出每辆车的车行记录,如表2所示,包括入口站点名称、入口时间,出口站点名称、出口时间;
表2高速公路联网收费系统数据库车行记录信息
入口站点名称 | 入口时间 | 出口站点名称 | 出口时间 |
广汕 | 2010/6/24 17:31:31 | 火村 | 2010/6/24 17:50:04 |
广汕 | 2010/6/24 17:35:21 | 火村 | 2010/6/24 17:53:12 |
广花 | 2010/6/24 17:48:39 | 火村 | 2010/6/24 17:54:57 |
广汕 | 2010/6/24 17:36:14 | 火村 | 2010/6/24 17:57:11 |
广花 | 2010/6/24 17:51:51 | 火村 | 2010/6/24 17:58:03 |
广汕 | 2010/6/24 17:50:18 | 火村 | 2010/6/24 18:03:08 |
广汕 | 2010/6/24 17:50:37 | 火村 | 2010/6/24 18:03:41 |
广汕 | 2010/6/24 17:46:03 | 火村 | 2010/6/24 18:05:21 |
广汕 | 2010/6/24 17:53:48 | 火村 | 2010/6/24 18:06:01 |
广汕 | 2010/6/24 17:54:59 | 火村 | 2010/6/24 18:06:41 |
(b-2)统计时间段T内从某个站点入站到达另一个相邻站点出站的车辆数量N并记录每辆车在该路段的行驶时间,定义第i辆车在该路段的行驶时间为ti,1≤i≤N;
如表2所示的广汕站点和火村站点间车行记录信息,在指定时间段2010年6月24日17时0分0秒至2010年6月24日18时0分0秒之间,总共有8辆车从广汕站点进入高速公路,从火村站点出了高速公路。
(b-3)根据(b-1)和(b-2)计算高速公路路网中任意两个相邻站点之间路段的动态权值,定义为
步骤(c)搜索车辆从任意一个站点入站到达另一个站点出站的可行性路径,具体是:根据车辆在高速公路路网的入站点名称和出站点名称,按照深度优先查找的方式搜索该车辆所有的可行性路径;
如图2所示,按照深度优先查找(Depth First Search)的方式搜索车辆从平沙站点进入高速公路,火村站点出了高速公路,总共6条可行性路径,即存在多义性路径,具体路线信息如表3所示。
表3平沙站点至火村站点的行车路线
平沙→广花→广汕→火村 |
平沙→广花→广汕→龙洞→和库→火村 |
平沙→龙洞→广汕→火村 |
平沙→龙洞→和库→火村 |
平沙→蚌湖→和库→火村 |
平沙→蚌湖→和库→龙洞→广汕→火村 |
步骤(d)从所有可行性路径中识别车辆行驶路径。
步骤(d)包括以下步骤:
(d-1)对于每辆车的所有可行性路径,计算车辆在该路径行驶需要花费的时程,该时程等于
车辆从入站点到出站点包含的所有相邻站点之间路段的动态权值之和;
如图2所示,平沙站点至火村站点总共有6条可行性路径,以路线(平沙→广花→广汕→火村)为例,车辆在该路径行驶需要花费的时程等于平沙站点至广花站点路段、广花站点至广汕站点路段和广汕站点至火村站点路段的动态权值之和。
(d-2)在所有可行性路径中选择时程最接近该车辆经过该线路实际花费时程的路径作为该车辆的行驶路径;
如图2所示,车辆从平沙站点进入高速公路,从火村站点出了高速公路,总共有6条可行性路径,根据车辆在每条可行性路径行驶需要花费的时程选择一条时程最接近该车辆从平沙站点进入高速公路、从火村站点出了高速公路实际花费时程的可行性路径作为该车辆的行驶路径。
技术应用——车流量统计
鉴于高速公路的交错复杂,车流量的统计工作是针对高速公路上各个有向邻近站点路段。对于入口站点和出口站点不是邻近站点的车行路径,需要将其拆分到各个邻近站点路段上的车流量。
如图2所示,车辆从平沙站点进入高速公路,从火村站点出了高速公路,总共有6条可行性路径,假设识别车辆行驶路径是路线(平沙→广花→广汕→火村),在这条路径上共有以下3段有向邻近路段平沙→广花路段、广花→广汕路段、广汕→火村路段。需将该车量行路径拆分到这3段有向邻近路段上,从而使得这3段路段的车流量都要递增,加1。
识别每辆车的行驶路径后,可以按上述方法计算所有相邻站点之间路段中每条路段有多少车辆经过,得到所有相邻站点之间路段的车流量。
Claims (5)
1.基于动态时程匹配的高速公路多义性路径自动识别方法,其特征在于,包括以下步骤:
(a)建立高速公路路网模型;
(b)计算高速公路网中所有相邻站点之间路段的动态权值;
(c)搜索车辆从任意一个站点入站到达另一个站点出站的可行性路径;
(d)从所有可行性路径中识别车辆行驶路径。
2.如权利要求1所述基于动态时程匹配的高速公路多义性路径自动识别方法,其特征在于,步骤(a)具体是:根据高速公路路网的收费站分布信息建立高速公路路网模型,记录站点名称和站点之间连接关系。
3.如权利要求1所述基于动态时程匹配的高速公路多义性路径自动识别方法,其特征在于,步骤(b)包括以下步骤:
(b-1)从高速公路联网收费系统的数据库中提取出每辆车的车行记录,包括入口站点名称、入口时间,出口站点名称、出口时间;
(b-2)统计时间段T内从某个站点入站到达另一个相邻站点出站的车辆数量N并记录每辆车在该路段的行驶时间,定义第i辆车在该路段的行驶时间为ti,1≤i≤N;
(b-3)根据(b-1)和(b-2)计算高速公路路网中任意两个相邻站点之间路段的动态权值,定义为
4.如权利要求1所述基于动态时程匹配的高速公路多义性路径自动识别方法,其特征在于,步骤(c)具体是:根据车辆在高速公路路网的入站点名称和出站点名称,按照深度优先查找的方式搜索该车辆所有的可行性路径。
5.如权利要求1所述基于动态时程匹配的高速公路多义性路径自动识别方法,其特征在于,步骤(d)包括以下步骤:
(d-1)对于每辆车的所有可行性路径,计算车辆在该路径行驶需要花费的时程,该时程等于车辆从入站点到出站点包含的所有相邻站点之间路段的动态权值之和;
(d-2)在所有可行性路径中选择时程最接近该车辆经过该线路实际花费时程的路径作为该车辆的行驶路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100701731A CN102609997A (zh) | 2012-03-15 | 2012-03-15 | 基于动态时程匹配的高速公路多义性路径自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100701731A CN102609997A (zh) | 2012-03-15 | 2012-03-15 | 基于动态时程匹配的高速公路多义性路径自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102609997A true CN102609997A (zh) | 2012-07-25 |
Family
ID=46527337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100701731A Pending CN102609997A (zh) | 2012-03-15 | 2012-03-15 | 基于动态时程匹配的高速公路多义性路径自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102609997A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991822A (zh) * | 2017-02-17 | 2017-07-28 | 上海市城市建设设计研究总院(集团)有限公司 | 基于牌照识别的高速公路多义性路径识别系统及识别方法 |
CN109429520A (zh) * | 2017-06-28 | 2019-03-05 | 北京嘀嘀无限科技发展有限公司 | 用于车辆检查的系统和方法 |
CN111063042A (zh) * | 2019-12-23 | 2020-04-24 | 湖北省交通科学研究所 | 一种基于大数据的高速公路自由流收费路径拟合系统 |
CN113963550A (zh) * | 2020-07-21 | 2022-01-21 | 阿里巴巴集团控股有限公司 | 一种多义路径识别方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH695585A5 (de) * | 2001-01-24 | 2006-06-30 | Fela Man Ag | Verfahren und Vorrichtung zur automatischen Mauterhebung. |
CN1877641A (zh) * | 2006-07-05 | 2006-12-13 | 深圳市金溢科技有限公司 | 多义性路径识别系统及其方法 |
CN101430828A (zh) * | 2008-12-22 | 2009-05-13 | 交通部公路科学研究院 | 基于交通信息提取计算的车牌数据处理方法 |
CN102063744A (zh) * | 2010-11-11 | 2011-05-18 | 天津高速公路集团有限公司 | 基于车牌识别的高速公路二义性路径通行费拆分方法 |
CN102194259A (zh) * | 2010-03-16 | 2011-09-21 | 上海交技发展股份有限公司 | 基于图论的高速公路联网收费车道建模计算费额的方法 |
-
2012
- 2012-03-15 CN CN2012100701731A patent/CN102609997A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH695585A5 (de) * | 2001-01-24 | 2006-06-30 | Fela Man Ag | Verfahren und Vorrichtung zur automatischen Mauterhebung. |
CN1877641A (zh) * | 2006-07-05 | 2006-12-13 | 深圳市金溢科技有限公司 | 多义性路径识别系统及其方法 |
CN101430828A (zh) * | 2008-12-22 | 2009-05-13 | 交通部公路科学研究院 | 基于交通信息提取计算的车牌数据处理方法 |
CN102194259A (zh) * | 2010-03-16 | 2011-09-21 | 上海交技发展股份有限公司 | 基于图论的高速公路联网收费车道建模计算费额的方法 |
CN102063744A (zh) * | 2010-11-11 | 2011-05-18 | 天津高速公路集团有限公司 | 基于车牌识别的高速公路二义性路径通行费拆分方法 |
Non-Patent Citations (2)
Title |
---|
张军、李旭宏、于世军: "基于概率分析的高速公路联网收费路径识别技术", 《交通与计算机》, vol. 2009, no. 06, 31 December 2008 (2008-12-31) * |
李红芳、傅宇浩: "面向高速公路收费的二义性路径识别方法", 《公路交通科技(应用技术版)》, vol. 2009, no. 06, 30 June 2009 (2009-06-30) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991822A (zh) * | 2017-02-17 | 2017-07-28 | 上海市城市建设设计研究总院(集团)有限公司 | 基于牌照识别的高速公路多义性路径识别系统及识别方法 |
CN109429520A (zh) * | 2017-06-28 | 2019-03-05 | 北京嘀嘀无限科技发展有限公司 | 用于车辆检查的系统和方法 |
CN109429520B (zh) * | 2017-06-28 | 2021-10-26 | 北京嘀嘀无限科技发展有限公司 | 用于检查作弊服务订单的方法、系统、设备及可读介质 |
CN111063042A (zh) * | 2019-12-23 | 2020-04-24 | 湖北省交通科学研究所 | 一种基于大数据的高速公路自由流收费路径拟合系统 |
CN113963550A (zh) * | 2020-07-21 | 2022-01-21 | 阿里巴巴集团控股有限公司 | 一种多义路径识别方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
An et al. | A survey of intelligent transportation systems | |
CN102968900B (zh) | 一种对rfid交通数据进行处理的方法 | |
CN103177412A (zh) | 一种出租车载客信息的计算方法和系统 | |
CN104318781B (zh) | 基于rfid技术的行程速度获取方法 | |
CN102708680A (zh) | 基于agps技术的交通出行方式识别方法 | |
CN103646187A (zh) | 一种统计周期内车辆出行路线及od矩阵获取方法 | |
CN105241465A (zh) | 一种道路更新的方法 | |
CN112579718B (zh) | 一种城市用地功能的识别方法、装置及终端设备 | |
CN106131210A (zh) | 一种采集地下环境检测数据的系统及方法 | |
CN103035123A (zh) | 一种交通轨迹数据中异常数据获取方法及系统 | |
CN103631776A (zh) | 交通事故地点语义表述信息的自动记录与定位方法 | |
CN103903437B (zh) | 基于视频交通检测数据的机动车出行od矩阵获取方法 | |
CN102226700B (zh) | 一种用于立交桥路网电子地图匹配的方法 | |
CN102779363B (zh) | 一种路桥费用统计方法及系统 | |
CN102609997A (zh) | 基于动态时程匹配的高速公路多义性路径自动识别方法 | |
Li et al. | RSE-assisted lane-level positioning method for a connected vehicle environment | |
CN104298832A (zh) | 一种基于rfid技术的路网交通流分析方法 | |
CN111508262B (zh) | 对城市停车位资源的智能化管理方法 | |
CN102768797A (zh) | 一种城市路况信息评价方法及装置 | |
Stevanovic et al. | Testing accuracy and reliability of MAC readers to measure arterial travel times | |
CN104504245A (zh) | 一种应用gps出行调查数据识别出行和活动的方法 | |
Lanka et al. | Analysis of GPS based vehicle trajectory data for road traffic congestion learning | |
CN107886261B (zh) | 基于gps和gis的仓库区域等待车辆监控方法 | |
CN110264580B (zh) | 一种非固定车位的管理方法及装置 | |
CN113873442B (zh) | 一种外集卡定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120725 |