CN104064031B - 一种应用电子车牌的车辆违章监控和追踪定位系统 - Google Patents
一种应用电子车牌的车辆违章监控和追踪定位系统 Download PDFInfo
- Publication number
- CN104064031B CN104064031B CN201410313427.7A CN201410313427A CN104064031B CN 104064031 B CN104064031 B CN 104064031B CN 201410313427 A CN201410313427 A CN 201410313427A CN 104064031 B CN104064031 B CN 104064031B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- rfid
- traffic
- reader
- information
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 230000003068 static effect Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 36
- 230000010365 information processing Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 230000006854 communication Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 15
- 238000013461 design Methods 0.000 abstract description 6
- 238000011835 investigation Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000008140 language development Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆及交通监控技术领域,本发明公开了一种应用电子车牌的车辆违章监控和追踪定位系统,其特征在于具体包括:安装了无源RFID电子标签的车辆、铺设在路肩的RFID阅读器、安装在指挥中心的服务器,所述铺设在路肩的RFID阅读器读取通过该位置的车辆中的RFID电子标签以及车辆的通行数据,并将读取到的车辆信息和通行数据发送给安装在指挥中心的服务器,通过安装在指挥中心的服务器判断出该车辆是否违章;其中车辆上的RFID电子标签记载了车辆的静态参数,车辆的通行数据为通过车辆的动态参数。采用电子车牌作为路网中车辆的唯一标识,提出车辆出行轨迹调查的数据处理流程,说明了系统总体框架结构和设计思想的合理性与可行性。
Description
技术领域
本发明涉及车辆及交通监控技术领域,尤其涉及一种应用电子车牌的车辆违章监控和追踪定位系统。
背景技术
在路网中,车辆的出行轨迹包含着丰富的交通出行与状态信息,如出行路径、出行时间、实时位置等信息,因此车辆的出行轨迹可看作是路网交通运行的静态存储。车辆出行轨迹分析需要获取完整的车辆出行轨迹,相比于交通量观测(面向单一路段)、OD观测(面向出行的起终点),对调查分析的结果提出了更高的精确性和完整性要求。
车辆身份识别和定位是获取出行轨迹的核心技术,身份识别是用于读取车辆的信息,定位是为了确定车辆实时的位置。目前,技术上应用比较广泛的车辆身份识别和定位的方法主要包括基于车牌视频图像的识别方法、基于专用短程通信DSRC的识别方法和基于电子标签RFID的射频识别方法等。其中,随着视频图像采集与处理技术的不断发展,基于车辆视频图像识别车辆信息的方法的应用也越来越广泛。但是,车辆图像识别方法易受恶劣天气、灯光、阴影等环境因素的影响,汽车的动态阴影也会对其产生干扰,而且基于车辆图像的识别需要同时涉及图像采集、存储、传输和处理等诸多环节,系统实现复杂要求高;DSRC主要实现车辆的自动识别、自动交费、交易信息记录等功能,多用于高速公路的ETC系统,其主要优点是身份识别率接近100%,可全天候工作,但由于其设计的目标是实现短距离的通信,所以该技术经常用于某一路段上对车辆的身份识别,而不适合用于城市道路网下对全部车辆的定位。
发明内容
针对现有技术中对于车辆定位及识别存在的可靠性不高以及实现距离短的技术问题,本发明公开了一种应用电子车牌的车辆违章监控和追踪定位系统。
本发明的目的通过下述技术方案来实现:
一种应用电子车牌的车辆违章监控和追踪定位系统,其特征在于具体包括:安装了无源RFID电子标签的车辆、铺设在路肩的RFID阅读器、安装在指挥中心的服务器,所述铺设在路肩的RFID阅读器读取通过该位置的车辆中的RFID电子标签以及车辆的通行数据,并将读取到的车辆信息和通行数据发送给安装在指挥中心的服务器,通过安装在指挥中心的服务器判断出该车辆是否违章并进行追踪定位;其中车辆上的RFID电子标签记载了该车辆的静态参数,车辆的通行数据为通过车辆的动态参数。
更进一步地,上述车辆的动态参数包括车辆通过检测位置时的瞬时速度,通过在路肩上间隔地铺设n个RFID阅读器,根据车辆相对于n个RFID阅读器的产生的多普勒效应计算得到车辆的瞬时速度。
更进一步地,上述对利用多普勒效应计算车辆瞬时速度的具体过程为: 安装有RFID标签的车辆在安装有RFID阅读器的车道上行驶。当车辆进入RFID阅读器识读区域时,电子标签被激活,将存储信息以电磁波的方式传送给阅读器。由于车辆保持在一定的速度条件下,电磁波频率发生改变,因此可以通过多普勒效应测量此时车辆的速度。如图2所示,代表车辆的行驶速度,代表车辆行驶方向与阅读器的夹角,为车辆到阅读器之间的垂直距离。为车辆到阅读器之间的垂直距离。根据几何关系可得:,其中。同时,由于系统中使用的RFID卡是无源卡,因此只对来自阅读器的电磁波进行反射。因此可以通过接受和发射电磁波频偏来计算车辆速度,公式为,因此,可计算得到车辆速度:,表示标签发射电磁波的波长。当车辆驶入RFID天线识读区域时,将检测到的频偏以(时间,RFID阅读器编号,RFID编号,频偏)的数组形式存入数据库。在RFID阅读器不重叠区域,当有且仅有一个阅读器读取到RFID标签时,在时刻下只有一个数组存在,直接利用上式计算得到速度;在RFID阅读器重叠区域时,有多个阅读器同时检测到RFID,在该时刻下,将数据库中时间、RFID编号相同的数组中的频偏值进行算术平均数运算,减小误差,计算得到速度值。
更进一步地,上述车辆的动态参数包括检测位置的交通流密度,得到交通流密度的具体方法为:,其中是指在某一瞬间,在单位长度的道路上存在的车辆,通常按1km计算;为检测路段上个RFID阅读器在该时刻读取的车辆个数,为所检测路段的长度。
更进一步地,上述车辆的动态参数包括检测位置的交通量,得到交通量的具体方法为:,其中为从初始时刻开始到终止时刻结束的交通量,为通过检测路段上个RFID阅读器在该时刻读取的车辆个数;分别为检测的初始时刻和终止时刻;为在检测时间段内在该路上的读卡器检测到的车辆。
更进一步地,上述车辆的动态参数包括检测位置的高峰小时系数(),得到高峰小时系数()的具体方法为:,其中表示小时交通流量,即在单位小时内通过检测路段的交通量;表示高峰小时流率,即在某一制定的时间段内(通常是15min),通过道路上指定地点或某一断面上的车辆数经过等效转换后得到的单位小时的换算车辆数。
更进一步地,根据城市路网的拓扑网络,利用固定的RFID阅读器对车辆进行实时定位,利用信号强度定位法对行驶在道路上的车辆实时定位并及时反馈回管理系统中,绘制出车辆行驶轨迹。具体实施方法为:在定位之前,首先将RFID阅读器节点以拓扑网络的形式存到计算机中。对目标进行跟踪定位,先要通过采集到车辆经过的RFID阅读器,并以该阅读器对应的拓扑网络节点为起点,沿着节点之间的连线对网络进行遍历。阅读器定时读取RFID标签,并通过阅读器天线将采集到的标签反射到阅读器的方向角上传到数据库中,具体步骤如下:Step1:设定初始化条件。当车辆经过第一个RFID阅读器时,开始采集数据;Step2:将车辆通过时采集到的读取时刻T、标签识别号TID、阅读器编号RID、信号强度S,方向角,组成定位向量;Step3:对多个目标产生的定位向量进行分组,是每一组定位向量对应一个目标的移动路径;Step4:对分好组的定位向量依据通过时刻T进行排序;Step5:对漏读的阅读器进行定位向量的填补。在拓扑网络中,车辆阅读器是依次连续的,当出现空缺漏读时,按照中间值的原则在预先设置的拓扑图中的阅读器进行填补。即:
进行中间填补为。Step6:根据信号强度公式计算出标签到阅读器的距离;结合Friis电磁波自由空间传播模型公式:,计算得到标签到阅读器的距离。其中表示标签的发射功率,表示标签发射电磁波的波长,表示标签的增益,表示第个阅读器天线的增益,表示第个阅读器收到标签反射信号的功率。在实际RFID应用中、、、是已知的,可以通过测量得到;Step7:根据和方向角,计算得到车辆相对于该阅读器的极坐标;Step8:在路网地图上根据实时汇总得到的车辆位置,可以精确的画出车辆在道路上的行驶轨迹,用以研究车辆在交通流变化中的运动情况。
更进一步地,根据城市路网的拓扑网络,采用穷举法确定RFID阅读器的铺设方案。
更进一步地,上述RFID阅读器的铺设方案具体为:根据城市路网的拓扑网络,采用穷举法确定的铺设方案:Step 1:建立关于的外围虚设点,得到;Step 2:将中各节点与其外部的虚设点间路段设为铺设流向,所有铺设流向均是的外部铺设方案;Step 3:对于任一个交叉口,假设连接个可选路段作为铺设流向,若只有是零个或者一个,则选择方案由中选择;因此,对于中所有的交叉口,利用排列组合中的乘法原理和穷举法可得布设组合集为,其中;中铺设流向都称为的内部铺设方案,与Step2中的外部铺设方案共同组成了的备选铺设方案集;Step 4:循环:对于中每一个方案,生成的一次可达网络,若是最简唯一一次可达网络,那么即可作为一个可行解,加入到可行方案中,若访问完毕,则退出循环;Step 5:若可行方案集为空,则重新执行Step4的循环,从中选择非唯一一次可达关系最少的加入到可行方案集中,算法结束。
更进一步地,上述系统的软件架构包括交通信息采集层、交通信息处理层和交通综合信息应用层;所述的交通信息采集层,用于采集基础交通信息,所采集的基础交通信息包括车牌号码、车辆类型、车辆通过时间、基站位置;所述的交通信息处理层,与交通信息采集层中的采集模块相连,用于将上述采集的交通信息进行拆分、还原和补充,生成完整的车辆经过RFID阅读器铺设点的序列号和车辆出行轨迹;所述的交通综合信息应用层,包括通信模块和交通信息发布模块,通过通信模块传输处理的交通位置信息,再利用发布模块把实时处理的交通位置信息发布出去,使用户可以通过互联网得到实时处理的交通轨迹信息。
更进一步地,上述交通信息处理层对采集到的交通信息进行处理的具体过程如下:Step 1在数据接收终端进行数据融合处理和分析,排除无用数据、重复数据,浓缩重要数据,得到每一辆车途径的铺设点序列;Step 2对铺设点序列进行检验处理,将存入数据库中的交通信息进行提取,并对获取的数据进行轨迹的拆分、还原和融合;Step 3利用系统中预先写好的交通参数分析算法,循迹追踪、定位等算法,生成包括出行时间、RFID阅读器编号、路段名车、交叉口等详细信息的出行轨迹;Step4最后对每辆车的出行轨迹进行扩样,建立车辆出行轨迹数据库。
通过采用以上的技术方案,本发明具有以下的有益效果:
本发明采用RFID技术,将电子标签作为车载卡嵌入到车辆里面,利用电子标签阅读器识别车载卡从而识别车辆,达到管理车辆的目的。这种新型的智能管理系统是以RFID电子车牌为基础,RFID电子车牌检测设备为手段,以有线或无线通信网络为纽带,以计算机监控中心为中枢构成的计算机管理网络,它综合应用了微电子技术、微波传输技术、数字化技术、防伪技术、通信技术、计算机网络技术和先进的信息处理技术,构成分布式机构和模块化设计的智能管理信息系统。该系统突破了传统的车辆管理模式,可以通过安装在路边或监测车辆上的RFID读写器,自动、准确、远距离不停车采集到经过附近道路的安装有电子车牌车辆的实时动态信息,并充分运用先进的智能处理方法进行车辆行驶状况的分析,从而使车辆管理和控制发生根本转变,可真正实现不停车的实时自动化稽查,大大降低执法人员的工作强度,提供高度安全的智能交通系统,减少车辆违章行为。
本发明中采用电子车牌作为路网中车辆的唯一标识,提出车辆出行轨迹调查的数据处理流程,借助Visual Basic和MySQL数据库技术,设计出了城市路网环境下车辆出行轨迹调查分析系统,其应用包括自动化轨迹分析处理和可视化分析结果呈现。该系统的良好运行效果充分说明了系统总体框架结构和设计思想的合理性与可行性,也验证了车辆出行轨迹分析方法的科学性和先进性。
附图说明
图1为本发明的电子车牌及应用电子车牌的城市交通违章监控系统的结构示意图。
图2为车辆行驶在车道上的示意图。
图3为车辆车辆从点到点的行驶示意图。
图4为城市交通车辆定位追踪系统的架构图。
图5为交通信息处理层对采集到的交通信息进行处理的流程图。
具体实施方式
本发明公开了一种应用电子车牌的车辆违章监控和追踪定位系统,其具体包括:安装了无源RFID电子标签的车辆、铺设在路肩的RFID阅读器、安装在指挥中心的服务器,所述铺设在路肩的RFID阅读器读取通过该位置的车辆中的RFID电子标签以及车辆的通行数据,并将读取到的车辆信息和通行数据发送给安装在指挥中心的服务器,通过安装在指挥中心的服务器判断出该车辆是否违章。其中车辆上的RFID电子标签记载了车辆的车牌号码、车辆类型、车辆颜色、车辆所有者、车辆年检情况等等静态信息,车辆的通行数据则包括了车辆通过时该路口时的瞬时速度、车辆密度、交通量、高峰小时系数等等动态参数。
本领域的技术人员都知道,只要检测到了车辆通过该位置时的瞬时速度,并将该瞬时速度与该位置限定的最高速度进行比较,就能很容易地判断出车辆通过该位置时是否存在超速违章。
下面详细说明如何检测车辆通过位置时的瞬时速度。其具体包括以下的步骤:在路肩上铺设个RFID阅读器,根据车辆相对于RFID阅读器产生的多普勒效应计算得到车辆的瞬时速度。
如图2所示安装有RFID标签的车辆在车道2上行驶。在该侧路肩上,安装有与之匹配的RFID阅读器。当车辆进入RFID阅读器识读区域时,电子标签被激活,将存储信息以电磁波的方式传送给阅读器。由于车辆保持在一定的速度条件下,电磁波频率发生改变,因此可以通过多普勒效应测量此时车辆的速度。如图2所示,代表车辆的行驶速度,代表车辆行驶方向与阅读器的夹角,为车辆到阅读器之间的垂直距离。为车辆到阅读器之间的垂直距离。
根据几何关系可得:
,其中 (1)
同时,由于系统中使用的RFID卡是无源卡,因此只对来自阅读器的电磁波进行反射。因此可以通过接受和发射电磁波频偏来计算车辆速度,公式如下:
(2)
因此,联立(1)(2)可计算得到车辆速度:
(3)
当车辆驶入RFID天线识读区域时,将检测到的频偏以(时间,RFID阅读器编号,RFID编号,频偏)的数组形式存入数据库。在RFID阅读器不重叠区域,当有且仅有一个阅读器读取到RFID标签时,在时刻下只有一个数组存在,直接利用(3)式计算得到速度;在RFID阅读器重叠区域时,有两个阅读器同时检测到RFID,在该时刻下,将数据库中时间、RFID编号相同的数组中的频偏值进行算术平均数运算,减小误差,计算得到速度值。
本发明中得到交通流密度的具体方法为:,其中是指在某一瞬间,在单位长度的道路上存在的车辆,通常按1km计算;为检测路段上个RFID阅读器在该时刻读取的车辆个数,为所检测路段的长度。交通流密度的度量单位是。
本发明中的得到交通量的具体方法为:,其中为从初始时刻开始到终止时刻结束的交通量,为通过检测路段上个RFID阅读器在该时刻读取的车辆个数;分别为检测的初始时刻和终止时刻;为在检测时间段内在该路上的读卡器检测到的车辆。用表示交通量,由两个阅读器之间的路段来计算,度量单位是。计算时间从检测起始时间到终止时间。
本发明中得到高峰小时系数()的具体方法为:,其中表示小时交通流量,即在单位小时内通过检测路段的交通量;表示高峰小时流率,即在某一制定的时间段内(通常是15min),通过道路上指定地点或某一断面上的车辆数经过等效转换后得到的单位小时的换算车辆数。
是车联网能实时计算得到的基本参数,能够及时反应交通量的变化的特性应用的城市道路系统实际问题分析中去。一个交通设施也许有能力去满足高峰小时的需求,但在高峰小时内,短期的流量高峰很容易就超过道路的承载能力,从而导致阻塞,因此对于城市道路通行能力分析来说,研究高峰小时内的最大流率是十分必要的。
通过检测上述的车辆通信数据,可以很方便地得到车辆的各种违章信息。本发明的应用范围非常广泛。
比如根据瞬时速度得到车辆的超速信息。在车辆超速违章多发路段,相隔一定距离设置多个阅读器,按照上述瞬时速度的算法,得出车辆的行驶速度,并将行使速度与路段规定的速度进行比较,进而判断车辆是否在违章超速行驶。若是,记录车辆的电子车牌号码,并采集时间、地点等相关信息,并将这些信息上传至应用于管理中心层,为交通监管部门的处罚提供依据。
又比如根据不同标号的RFID阅读器读取到RFID电子标签的时间先后顺序判断是否存在车辆逆向行驶。在车辆逆行多发路段设置检测区,识别是否有交通车辆通过,在不同的RFID阅读器对电子车牌读取顺序分析的基础上,判断出车辆行驶方向,并与道路实际规定行驶方向做出比较,从而监测是否有违章逆行发生。若有,记录车辆的电子车牌号码及其他相关信息并上传,为日后的处罚提供依据。
再比如车辆的闯红灯监控,当红灯亮时,监测通过车辆的电子标签。违章停车,在不允许停车的位置设置最大的电子车牌读取时间,超时后如果仍然能够读取到电子车牌,则为违章停车。其他具体的应用规则可以在服务器上进行灵活地设定,在此不再一一详细描述。
图4是一种城市交通车辆定位追踪系统的架构图,其可以采用C#语言开发平台Microsoft Visual Studio 2008,数据库可以采用SQL Server 2008,RFID阅读器与PC机通过RS—232串口相连。
交通信息采集层基于RFID技术获取车辆身份信息。RFID阅读器安装于道路旁,其布设应服从路网拓扑结构,通过利用路段之间、铺设点之间以及路段与铺设点之间的关系,使得便于捕捉车辆的位置、处理分析数据,从而获取车辆的行驶轨迹。
本发明种的电子车牌采用无源RFID电子标签,当车辆通过RFID阅读器覆盖区域,RFID读写器天线与标签天线之间的作用将形成类似于变压器的初级线圈和次级线圈的工作原理,通过某一频率载波进行双向通信,将标签激活后,其所携带的用于标识车辆唯一性的身份信息就会传递给RFID阅读器,并被发送到交通信息处理层。每个RFID阅读器的铺设点在调查数据库中都有唯一的号码。
在城市交通管理中,需要做到的城市车辆的精细化管理,但是基于目前的检测手段,很难主动的获取车辆的行驶轨迹。因此在追查被盗车辆、违法肇事车辆时,很难还原其行驶路径,同时也造成了极大的人力资源的损耗。在进行城市路网规划时,对车辆的OD难以把握,深入研究微观状态下车辆行为时,对车辆的换道行为、跟驰行为研究耗费巨大人力。本发明在城市路网拓扑进行深入分析的基础上,将城市路网结构以拓扑图的形式保存到计算机中,并与相应的地图匹配。利用信号强度定位算法及时计算并绘制出车辆的行驶轨迹。
具体的,车辆追踪定位与描绘轨迹的实现方法具体如下:
Step1:设定初始化条件。当车辆经过第一个RFID阅读器时,开始采集数据;
Step2:将车辆通过时采集到的读取时刻T、标签识别号TID、阅读器编号RID、信号强度S,方向角,组成定位向量;
Step3:对多个目标产生的定位向量进行分组,是每一组定位向量对应一个目标的移动路径;
Step4:对分好组的定位向量依据通过时刻T进行排序;
Step5:对漏读的阅读器进行定位向量的填补。在拓扑网络中,车辆阅读器是依次连续的,当出现空缺漏读时,按照中间值的原则在预先设置的拓扑图中的阅读器进行填补。即:
中间填补
Step6:根据信号强度公式计算出标签到阅读器的距离;结合Friis电磁波自由空间传播模型公式:计算得到标签到阅读器的距离。其中表示标签的发射功率,表示标签发射电磁波的波长,表示标签的增益,表示第个阅读器天线的增益,表示第个阅读器收到标签反射信号的功率。在实际RFID应用中、、、是已知的,可以通过测量得到;
Step7:根据和方向角,计算得到车辆相对于该阅读器的极坐标;
Step8:在路网地图上根据实时汇总得到的车辆位置,可以精确的画出车辆在道路上的行驶轨迹,用以研究车辆在交通流变化中的运动情况。
因为城市路网结构复杂,交叉口数量多距离近,因而在进行路网的铺设过程中,需要考虑很多因素,既要覆盖道路的出入口,又要把住路网的每个交叉口,因此RFID阅读器的铺设难度相对较大。本发明在对城市路网拓扑结构进行认真细致分析的基础上,合理选取指标,并对各指标进行全面的分析与比较,依据唯一一次可达网络的限定条件,得出最优铺设方案集,这样会在很大程度上降低分析的复杂度和计算工作量。
优选地,根据城市路网的拓扑网络,采用穷举法确定RFID阅读器的铺设方案。其具体为:
根据城市路网的拓扑网络,采用穷举法确定的铺设方案:
Step 1:建立关于的外围虚设点,得到;
Step 2:将中各节点与其外部的虚设点(中节点)间路段设为铺设流向,所有铺设流向均是的外部铺设方案;
Step 3:对于任一个交叉口,假设连接个可选路段作为铺设流向,若只有是零个或者一个,则选择方案由中选择;因此,对于中所有的交叉口,利用排列组合中的乘法原理和穷举法可得布设组合集为,其中;中铺设流向都称为的内部铺设方案,与Step2中的外部铺设方案共同组成了的备选铺设方案集;
Step 4:循环:对于中每一个方案,生成的一次可达网络,若是最简唯一一次可达网络,那么即可作为一个可行解,加入到可行方案中,若访问完毕,则退出循环;
Step 5:若可行方案集为空,则重新执行Step4的循环,从中选择非唯一一次可达关系最少的加入到可行方案集中,算法结束。
上述方法在对城市路网拓扑结构进行认真细致分析的基础上,合理选取指标,并对各指标进行全面的分析与比较,依据唯一一次可达网络的限定条件,得出最优铺设方案集,这样会在很大程度上降低后续分析的复杂度和计算工作量。
优选地,本发明中系统的软件架构包括交通信息采集层、交通信息处理层和交通综合信息应用层。所述的交通信息采集层,用于采集基础交通信息,所采集的基础交通信息包括车牌号码、车辆类型、车辆通过时间、基站位置等。所述的交通信息处理层,与交通信息采集层中的采集模块相连,用于将上述采集的交通信息进行拆分、还原和补充,生成完整的车辆经过RFID阅读器铺设点的序列号和车辆出行轨迹。所述的交通综合信息应用层,包括通信模块和交通信息发布模块,通过通信模块传输处理的交通位置信息,再利用发布模块把实时处理的交通位置信息发布出去,使用户可以通过互联网得到实时处理的交通轨迹信息。通过上述的系统架构,一般的编程人员能够将本发明的系统设计得更加有序。
其中,交通信息处理层包括原始车牌调查数据管理模块、车辆途径铺设点序列处理模块、路网OD管理模块及交通状态生成模块。该层主要负责动态交通信息分析处理、地图数据的预处理和地图匹配,从而得出车辆完整的出行轨迹。一般情况下,通过RFID阅读器上传的信息,由于延迟、网络故障等原因,一般都存在异常数据,就需要交通信息处理层采用可靠的模型、算法快速识别和剔除异常数据,对丢失的数据进行恢复和修补,同时,对多源数据要进行一定的变换和过滤。对数据进行融合采用贝叶斯估计算法,将每一个RFID阅读器上传的数据进行一次贝叶斯估计,各个关联概率分部合成一个概率分布函数,使该函数的似然函数最小,由此提供多种方式采集到的数据的融合值。这样避免了传统意义上单一数据造成的偏差。最后,平台的数据分析模块还需要选择合适的地图匹配算法标识车辆在实际道路上所处的位置。本发明中,可供平台选择的地图匹配算法很多,例如将定位点匹配到与电子地图上几何距离最近的节点或形状节点。
原始车牌调查数据管理模块实现对获取的数据进行数据检查、数据重构、数据校正及融合处理;车辆途经铺设点序列处理模块是对调查序列进行检验、拆分、重构,进而生成车辆经过的铺设点序列和车辆的出行轨迹;路网OD管理模块是借助车辆出行轨迹生成城市路网的OD,实现对OD数据的查询和分析;交通状态生成模块是从路网拓扑结构中获取车辆从路段与交叉口进出的详细信息,车辆行驶轨迹可通过交通综合信息应用层呈现、输出。
因此,为了得到更有效的数据,交通信息处理层对采集的交通信息进行处理的过程非常重要。优选地,本发明中交通信息处理层对采集到的交通信息进行处理的具体过程如图5所示的数据处理流程。
Step 1在数据接收终端进行数据融合处理和分析,排除无用数据、重复数据,浓缩重要数据,得到每一辆车途径的铺设点序列;
Step 2对铺设点序列进行检验处理,将存入数据库中的交通信息进行提取,并对获取的数据进行轨迹的拆分、还原和融合;
Step 3利用系统中预先写好的交通参数分析算法,循迹追踪、定位等算法,生成包括出行时间、RFID阅读器编号、路段名车、交叉口等详细信息的出行轨迹;
Step4最后对每辆车的出行轨迹进行扩样,建立车辆出行轨迹数据库。
本数据处理流程的优点在于:采用上述技术方案,本发明通过数据融合算法对不同类型的交通信息的进行融合,进而能够得到完备的车辆行驶轨迹。然后,采用自适应的神经网络分析模型能够提高对短时交通信息预测的准确性。
交通综合信息应用层是基于不同的领域当中的应用,能将前端信息采集与处理后的结果表现在这一层次中,也是验证信息采集有效合理的平台。应用层能够读取网络前端两层的信息处理与分析结果,并依据这些结果做出相应的决策的措施,同时交通管理者也可以通过这些决策措施的应用情况来做出对网络前端信息采集的调整,这属于有效的信息使用反馈。
该层建立了服务器网站,主要实现对车辆出行信息的定制与查询。不仅可以在车牌信息数据库中实现对车牌数据的录入、查看与管理,而且能够通过数据表格显示每一辆车的完整出行信息,通过电子地图绘制车辆的出行轨迹。
服务器网站总体采用三层架构,包括显示层、业务逻辑层以及数据访问层。显示层(UI):通俗讲就是展现给用户的界面,即用户在使用一个系统的时候他的所见所得;业务逻辑层(BLL):针对具体问题的操作,也可以说是对数据层的操作,对数据业务进行逻辑处理;数据访问层(DAL):该层所做事物直接操作数据库,如对数据的增添、删除、修改、查找等。同时采用ajax技术,使用javascript的javascript对象来直接与服务器进行通信,实时获取最新车辆位置信息和车辆违章信息。
交通综合信息应用层接受来自基站设备的车辆综合信息,对相关信息自动进行记录、存储。根据系统中的信息进行对比判断,并将判断的结果记录、存储。该层同样对车辆基本信息的采集、导入和导出,具有相关信息的显示、查询和打印功能,具有对机动车辆运行状态进行循环分析,可以对主要关键词进行统计分析,并对所有分析结果生成报表并打印输出。
上述的实施例中所给出的系数和参数,是提供给本领域的技术人员来实现或使用本发明的,本发明并不限定仅取前述公开的数值,在不脱离本发明的发明思想的情况下,本领域的技术人员可以对上述实施例作出种种修改或调整,因而本发明的保护范围并不被上述实施例所限,而应该是符合权利要求书提到的创新性特征的最大范围。
Claims (4)
1.一种应用电子车牌的车辆违章监控和追踪定位系统,其特征在于具体包括:安装了无源RFID电子标签的车辆、铺设在路肩的RFID阅读器、安装在指挥中心的服务器,所述铺设在路肩的RFID阅读器读取通过该位置的车辆中的RFID电子标签以及车辆的通行数据,并将读取到的车辆信息和通行数据发送给安装在指挥中心的服务器,通过安装在指挥中心的服务器判断出该车辆是否违章并进行追踪定位;其中车辆上的RFID电子标签记载了该车辆的静态参数,车辆的通行数据为通过车辆的动态参数;所述车辆的动态参数包括车辆通过检测位置时的瞬时速度,通过在路肩上铺设的n个RFID阅读器,根据车辆相对运动于n个RFID阅读器产生的多普勒效应计算得到车辆的瞬时速度v;所述车辆相对于n个RFID阅读器产生的多普勒效应计算得到车辆的瞬时速度v的具体过程为:安装有RFID标签的车辆在安装有n个RFID阅读器的车道上行驶,当车辆进入RFID阅读器识读区域时,电子标签被激活,将存储信息以电磁波的方式传送给阅读器;从而得到车辆速度:其中,λ表示标签发射电磁波的波长,i=1,2,...,n;v代表车辆的行驶速度,θ1、θ2......θn代表车辆行驶方向与阅读器的夹角,d为车辆到阅读器之间的垂直距离,m1,m2,...,mn为车辆到阅读器之间的水平距离;当车辆驶入RFID天线识读区域时,将检测 到的频偏fd以时间、RFID阅读器编号、RFID编号、频偏的数组形式存入数据库;在RFID阅读器不重叠区域,当有且仅有一个阅读器读取到RFID标签时,该时刻下只有一个数组存在,直接利用上式计算得到速度;在RFID阅读器重叠区域时,有多个阅读器同时检测到RFID,在该时刻下,将数据库中时间、RFID编号相同的数组中的频偏值进行算术平均数运算,减小误差,计算得到速度值;fdi是指检测到的频偏。
2.如权利要求1所述的一种应用电子车牌的车辆违章监控和追踪定位系统,其特征在于所述车辆的动态参数包括检测位置的交通流密度,得到交通流密度K的具体方法为:其中K是指在某一瞬间,在单位长度的道路上存在的车辆;N为检测路段上RFID阅读器在该时刻读取的车辆个数,L为所检测路段的长度。
3.如权利要求1所述的一种应用电子车牌的车辆违章监控和追踪定位系统,其特征在于所述车辆的动态参数包括检测位置的高峰小时系数PHF,得到高峰小时系数PHF是反应短时期内交通流波动的重要参数,其具体计算方法为:PHF=V/v,其中V表示小时交通流量,即在单位小时内通过检测路段的交通量;v表示高峰小时流率,即在某一指定的时间段内,通过道路上指定地点或某一断面上的车辆数经过等效转换后得到的单位小时的换算车辆数。
4.如权利要求1所述的一种应用电子车牌的车辆违章监控和追踪定位系统,其特征在于该系统的软件架构包括交通信息采集层、交通信息处理层和交通综合信息应用层;所述的交通信息采集层,用于采集基础交通信息,所采集的基础交通信息包括车牌号码、车辆类型、车辆通过时间、基站位置;所述的交通信息处理层,与交通信息采集层中的采集模块相连,用于将上述采集的交通信息进行拆分、还原和补充,生成完整的车辆经过RFID阅读器铺设点的序列号和车辆出行轨迹;所述的交通综合信息应用层,包括通信模块和交通信息发布模块,通过通信模块传输处理的交通位置信息,再利用发布模块把实时处理的交通位置信息发布出去,使用户通过互联网得到实时处理的交通轨迹信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410313427.7A CN104064031B (zh) | 2014-07-02 | 2014-07-02 | 一种应用电子车牌的车辆违章监控和追踪定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410313427.7A CN104064031B (zh) | 2014-07-02 | 2014-07-02 | 一种应用电子车牌的车辆违章监控和追踪定位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104064031A CN104064031A (zh) | 2014-09-24 |
CN104064031B true CN104064031B (zh) | 2016-08-17 |
Family
ID=51551717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410313427.7A Active CN104064031B (zh) | 2014-07-02 | 2014-07-02 | 一种应用电子车牌的车辆违章监控和追踪定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104064031B (zh) |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809904B (zh) * | 2015-04-14 | 2018-02-09 | 深圳市润安科技发展有限公司 | 基于超宽频无线定位技术的可疑车辆定位系统及定位方法 |
CN104809873A (zh) * | 2015-04-14 | 2015-07-29 | 深圳市润安科技发展有限公司 | 一种车辆闯红灯检测处罚方法和系统 |
CN104809872A (zh) * | 2015-04-14 | 2015-07-29 | 深圳市润安科技发展有限公司 | 基于超宽频无线定位技术的道路监测系统及监测方法 |
CN104916138B (zh) * | 2015-05-12 | 2017-06-20 | 百度在线网络技术(北京)有限公司 | 车辆信息的处理方法、系统、车载设备及服务器 |
CN104820205A (zh) * | 2015-05-27 | 2015-08-05 | 北京万集科技股份有限公司 | 一种基于电子车牌的车辆定位方法及系统 |
CN106355874B (zh) * | 2015-07-16 | 2020-07-31 | 南京中兴软件有限责任公司 | 一种违章车辆的监控和报警方法、装置及系统 |
CN105404907B (zh) * | 2015-10-27 | 2018-08-21 | 上海象形通讯科技股份有限公司 | Rfid电子车牌生成系统、方法及车牌识别系统、方法 |
CN105336166A (zh) * | 2015-11-02 | 2016-02-17 | 同济大学 | 基于车载蓝牙的交通特征参数提取方法 |
CN105355053B (zh) * | 2015-11-04 | 2018-08-14 | 公安部交通管理科学研究所 | 路边违停车辆自动检测系统 |
CN105631400A (zh) * | 2015-11-25 | 2016-06-01 | 东莞酷派软件技术有限公司 | 信息处理方法、信息处理装置、智能模块和车载终端 |
CN105764032B (zh) * | 2016-02-16 | 2019-05-03 | 深圳市唯传科技有限公司 | 一种车辆定位跟踪系统及定位跟踪方法 |
CN107219396A (zh) * | 2016-03-22 | 2017-09-29 | 北京万集科技股份有限公司 | Dsrc车载设备的载波频率测量方法及装置 |
CN105741562A (zh) * | 2016-03-24 | 2016-07-06 | 浪潮集团有限公司 | 一种基于uhf rfid的车辆管理系统 |
CN105975582B (zh) * | 2016-05-05 | 2019-05-14 | 重庆市城投金卡信息产业股份有限公司 | 基于Spark的RFID数据生成出行OD矩阵的方法及系统 |
CN106218542B (zh) * | 2016-08-03 | 2019-01-22 | 京东方科技集团股份有限公司 | 一种智能车牌、发射端、违章管理方法及系统 |
CN106056902B (zh) * | 2016-08-09 | 2019-11-08 | 广州地理研究所 | 一种基于汽车电子标识的违法临时停车检测方法及装置 |
CN106373393B (zh) * | 2016-08-31 | 2019-04-19 | 广州地理研究所 | 基于汽车电子标识的路边违规停车检测方法和装置 |
CN106384506B (zh) * | 2016-09-03 | 2019-07-12 | 湖北鑫美企业发展股份有限公司 | 一种多车辆复杂路段的道路监控系统 |
CN106355127A (zh) * | 2016-10-11 | 2017-01-25 | 安徽师范大学 | 基于物联网技术的交通监控系统 |
CN106710199A (zh) * | 2016-11-30 | 2017-05-24 | 福建北斗星河通信有限公司 | 一种基于物联网技术的电动车监控方法及系统 |
CN107146407B (zh) * | 2017-05-27 | 2023-05-23 | 中国科学技术大学苏州研究院 | 一种带隐私保护的持续交通流量统计方法 |
CN107067743A (zh) * | 2017-06-05 | 2017-08-18 | 重庆三峡学院 | 基于rfid的十字路口交通违章监控系统和监控方法 |
CN107170244A (zh) * | 2017-07-11 | 2017-09-15 | 吴华 | 一种智能交通控制方法和设备 |
CN107704905A (zh) * | 2017-10-13 | 2018-02-16 | 河北农业大学 | 一种基于rfid的种鸡个体行为追踪系统及其追踪方法 |
CN107564291A (zh) * | 2017-10-20 | 2018-01-09 | 重庆市市政设计研究院 | 一种基于rfid的交通量溯源分析方法及系统 |
CN107993448A (zh) * | 2017-12-28 | 2018-05-04 | 北京悦畅科技有限公司 | 一种电子车牌管理装置及系统 |
CN108510091A (zh) * | 2018-03-16 | 2018-09-07 | 厦门华方软件科技有限公司 | 一种基于电子车牌的预约路权的方法 |
CN108831159A (zh) * | 2018-04-27 | 2018-11-16 | 榛硕(武汉)智能科技有限公司 | 基于智能定位的车辆全景展示系统 |
CN108766004B (zh) * | 2018-04-27 | 2021-08-20 | 榛硕(武汉)智能科技有限公司 | 无人驾驶车辆的超车控制系统和方法 |
CN108629977A (zh) * | 2018-06-06 | 2018-10-09 | 上海城市交通设计院有限公司 | 基于汽车电子标识技术的出行特征分析方法 |
CN108765949A (zh) * | 2018-06-06 | 2018-11-06 | 上海城市交通设计院有限公司 | 基于汽车电子标识技术的智能交通系统 |
CN108847020A (zh) * | 2018-06-06 | 2018-11-20 | 上海城市交通设计院有限公司 | 基于汽车电子标识技术的道路状态分析方法 |
CN108922197A (zh) * | 2018-07-01 | 2018-11-30 | 郑州谦贤科技有限公司 | 一种防逆向移动管理方法及系统 |
CN108765968A (zh) * | 2018-07-04 | 2018-11-06 | 珠海市特车网络科技有限公司 | 一种管控区域车辆监管系统 |
FR3084150B1 (fr) * | 2018-07-17 | 2021-02-26 | Renault Sas | Procede de localisation d'un vehicule |
CN110766101B (zh) * | 2018-07-26 | 2023-10-20 | 杭州海康威视数字技术股份有限公司 | 确定移动轨迹的方法和装置 |
CN110838235A (zh) * | 2018-08-17 | 2020-02-25 | 浙江宇视科技有限公司 | 一种身份识别方法及装置 |
CN109118764A (zh) * | 2018-09-03 | 2019-01-01 | 山东交通学院 | 一种基于ZigBee的车联网通信系统 |
CN109151729A (zh) * | 2018-09-07 | 2019-01-04 | 苏州涵轩信息科技有限公司 | 一种车辆定位导航方法 |
CN111194008A (zh) * | 2018-10-29 | 2020-05-22 | 深圳市优必选科技有限公司 | 车辆轨迹实时监测方法及终端设备 |
CN109493607A (zh) * | 2018-11-19 | 2019-03-19 | 哈尔滨工业大学 | 电子车牌环境下交通路口车辆运行位置和速度的获取方法及逆行检测方法 |
CN109949582A (zh) * | 2019-04-25 | 2019-06-28 | 深圳市华士精成科技有限公司 | 一种基于无线定位的车辆违法行驶监控系统 |
CN110322699B (zh) * | 2019-06-21 | 2021-10-26 | 石家庄铁道大学 | 车辆道路行驶监控的方法 |
CN110491135B (zh) * | 2019-08-20 | 2021-10-22 | 深圳市商汤科技有限公司 | 检测违章停车的方法及相关装置 |
CN111627226A (zh) * | 2020-06-01 | 2020-09-04 | 上海钧正网络科技有限公司 | 一种车辆逆行监测网络、方法、装置、介质及电子设备 |
CN113034927A (zh) * | 2021-04-08 | 2021-06-25 | 温州市金亮标牌有限公司 | 基于智慧城市物联网的电动车用电子车牌及违章管控系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968900A (zh) * | 2012-11-15 | 2013-03-13 | 南京城市智能交通有限公司 | 一种对rfid交通数据进行处理的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8446253B2 (en) * | 2009-03-11 | 2013-05-21 | Checkpoint Systems, Inc. | Localization using virtual antenna arrays in modulated backscatter RFID systems |
-
2014
- 2014-07-02 CN CN201410313427.7A patent/CN104064031B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968900A (zh) * | 2012-11-15 | 2013-03-13 | 南京城市智能交通有限公司 | 一种对rfid交通数据进行处理的方法 |
Non-Patent Citations (4)
Title |
---|
Localization and Tracking of Passive RFID Tags Based on Direction Estimation;Yimin Zhang et al;《International Journal of Antennas and Propagation》;20071231;第1-9页 * |
RFID定位算法研究;杨公建;《中国优秀硕士学位论文全文数据库信息科技辑》;20110915(第9期);第21-37页 * |
基于RFIO的关键交通信息采集技术研究;马黎;《中国优秀硕士学位论文全文数据库信息科技辑》;20111015(第10期);正文第1页、第5页、第8页第3段、第9页第3段、倒数第1段、第10页第2段、第16页 * |
基于射频识别技术的智能交通系统;李刚等;《信息与控制》;20061001;第35卷(第5期);第555页第2栏第2段、第556页第1栏第2段及图1、第2栏第1段、第558页第2栏第2段 * |
Also Published As
Publication number | Publication date |
---|---|
CN104064031A (zh) | 2014-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104064031B (zh) | 一种应用电子车牌的车辆违章监控和追踪定位系统 | |
Xiao et al. | Internet of things: A new application for intelligent traffic monitoring system | |
CN102622783B (zh) | 一种基于精确位置匹配的多车道自由流电子收费方法 | |
Angel et al. | Methods of analyzing traffic imagery collected from aerial platforms | |
CN103310513B (zh) | 门禁控制方法及装置 | |
Duan et al. | V2I based environment perception for autonomous vehicles at intersections | |
Zhong et al. | Internet of things for high-speed railways | |
CN208422108U (zh) | 基于毫米波雷达与激光雷达的交通情况调查装置 | |
CN104851295A (zh) | 获取路况信息的方法和系统 | |
CN108133520A (zh) | 基于路径识别的高速公路移动支付收费系统和方法 | |
CN105336166A (zh) | 基于车载蓝牙的交通特征参数提取方法 | |
CN103606281A (zh) | 一种智能停车场车辆进出行为检测方法 | |
CN106355899A (zh) | 一种基于无源uhf rfid停车场车辆感知定位系统 | |
CN105321355A (zh) | 一种物联网智能高速公路超速监测系统 | |
CN112099042A (zh) | 车辆跟踪方法以及系统 | |
JP3502156B2 (ja) | 交通監視システム | |
Gore et al. | Exploring credentials of Wi‐Fi sensors as a complementary transport data: an Indian experience | |
CN107705611A (zh) | 基于智能小车的停车场寻车方法 | |
Wang et al. | Estimating control delays at signalised intersections using low‐resolution transit bus‐based global positioning system data | |
Cui et al. | Design of highway intelligent transportation system based on the internet of things and artificial intelligence | |
CN104299445B (zh) | 一种停车空位实时信息采集、处理、发布系统及方法 | |
Samie et al. | Potential applications of connected vehicles in pavement condition evaluation: a brief review | |
Li et al. | Patent review and novel design of vehicle classification system with TRIZ | |
CN103209206A (zh) | 一种基于手机智能系统的多终端车辆行驶记录系统 | |
WO2022007143A1 (zh) | 路侧车联网装置、高架桥路段识别方法及车载车联网装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |