CN109493606A - 一种高速公路上违停车辆的识别方法及系统 - Google Patents
一种高速公路上违停车辆的识别方法及系统 Download PDFInfo
- Publication number
- CN109493606A CN109493606A CN201710812306.0A CN201710812306A CN109493606A CN 109493606 A CN109493606 A CN 109493606A CN 201710812306 A CN201710812306 A CN 201710812306A CN 109493606 A CN109493606 A CN 109493606A
- Authority
- CN
- China
- Prior art keywords
- highway
- grid
- vehicle
- information
- instantaneous velocity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000009434 installation Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Abstract
本发明提供一种高速公路上违停车辆的识别方法，包括：在地理信息系统上，将高速公路划分为多个公路网格；对于任意在所述高速公路上行驶的车辆，基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；基于获取的所有车辆由所述第一公路网格前往第二公路网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。本发明提供的方法适用于所有车辆，且不需要安装额外设备，提高了识别效率。
Description
技术领域
本发明涉及信息处理技术领域，更具体地，涉及一种高速公路上违停车辆的识别方法及系统。
背景技术
随着汽车保有量的提高，高速公路出行成为人们常用出行方式，它相比较传统道路具有速度快、通行流量大等优点。但是由于高速车道限制，当高速路出现炸胎、追尾、抛锚等违章停车事件时往往造成交通堵塞，甚至导致整条高速路段陷入瘫痪状态。
为有效降低高速违章停车带来的隐患，通常有两种方法：一种是根据车主主动报案，及时出警处理；另一种是调用视频监控，主动发现违章停车情况，及时出警并予以劝离。然而这两种方式均是人工方式，无法实现自动发现违章停车现象并及时进行干预。现有技术中，一篇申请号为“CN105702043”的中国专利，实现了基于安装了全球导航卫星系统的重点运营车辆高速预警的方法。其原理如下：针对高速路段进行地理建模识别可停区域地理划分，根据全球导航卫星系统提供的车辆实时定位计算重点车辆的位移和速度，设置重点车辆一定的位移速度阈值，分析重点车辆的定位、行驶状态及其与可停区域的匹配度，实现识别高速拥堵或车辆违停的预警。
但是，现有技术使用的方法仅针对重点的运营车辆进行监控，而该类型车辆数量有限，不能准确的反馈高速实时动态，不适用于对普通社会车辆的监控，并且需要安装特定的“全球导航卫星系统”设备，对于普通社会车辆来说实用性低，故现有技术使用的方法不能适用于普通社会车辆。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种高速公路上违停车辆的识别方法，包括：
S1、在地理信息系统上，将高速公路划分为多个公路网格；
S2、对于任意在所述高速公路上行驶的车辆，基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；
S3、基于获取的所有车辆由所述第一公路网格前往第二公路网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；
S4、若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
其中，步骤S1包括：
在所述地理信息系统上，获取所述高速公路的地图信息；
基于所述高速公路的地图信息，按照预设的网格划分精度，将所述高速公路划分为多个同样大小的公路网格。
其中，步骤S2包括：
基于所述实时MR信息，确定所述第一车辆的实时经纬度信息，所述MR信息包括车辆信息、时间信息和经纬度信息；
基于所述第一车辆的实时经纬度信息，确定所述第一车辆所处的第一公路网格。
其中，所述历史MR信息包括在预设时间范围内所有车辆的历史时间信息和历史经纬度信息，步骤S3包括：
基于所述所有车辆的历史时间信息和历史经纬度信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度。
其中，所述基于所述所有车辆的历史时间信息和历史经纬度信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度包括：
基于所述所有车辆的历史时间信息和历史经纬度信息，计算由所述第一公路网格前往第二公路网格的历史平均到达时刻和历史到达瞬时速度；
基于预设的滤波修正算法，对所述历史平均到达时刻和所述历史到达瞬时速度进行滤波修正，以预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度。
其中，步骤S4进一步包括：
获取所述第一车辆由所述第一公路网格到达所述第二公路网格过程中经过的若干个公路网格；
对于经过的任意一个公路网格，若实际到达时刻和预测到达时刻的差超过第一预设阈值，且实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆在此公路网格的前一个公路网格内违停。
其中，步骤S4后所述方法还包括：
将所述第一车辆的违停信息发送给距离所述第一车辆最近的监控终端。
根据本发明的第二方面，提供一种高速公路上违停车辆的识别系统，包括：
划分模块，用于在地理信息系统上，将高速公路划分为多个公路网格；
确定模块，用于对于任意在所述高速公路上行驶的车辆，基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；
预测模块，用于基于获取的所有车辆由所述第一公路网格前往第二公路网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；
识别模块，用于若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
根据本发明的第三方面，提供一种计算机程序产品，包括程序代码，所述程序代码用于执行上述所述的高速公路上违停车辆的识别方法。
根据本发明的第四方面，提供一种非暂态计算机可读存储介质，用于存储如前所述的计算机程序。
本发明提供的高速公路上违停车辆的识别方法及系统，通过在地理信息系统上将高速公路划分为各个网格，并通过每个用户所使用车辆对应的MR数据进行实时定位，从而判定车辆经过每个网格时的状态来识别车辆是否违停，适用于所有车辆，且不需要安装额外设备，提高了识别效率。
附图说明
图1是本发明实施例提供的一种高速公路上违停车辆的识别方法流程图；
图2是本发明实施例提供的一种高速公路上违停车辆的识别系统结构图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1是本发明实施例提供的一种高速公路上违停车辆的识别方法流程图，如图1所示，所述方法包括：
S1、在地理信息系统上，将高速公路划分为多个公路网格；
S2、对于任意在所述高速公路上行驶的车辆，基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；
S3、基于获取的所有车辆由所述第一公路网格前往第二公路网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；
S4、若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
现有技术中，针对高速违章识别的技术方案主要有两类：一类是基于车载设备的车辆定位；另一类是基于视频和图像的监测系统。
但是无论是基于车载设备的车辆定位或者是基于视频和图像的监测系统均存在如下问题：仅针对重点的运营车辆进行监控，而该类型车辆数量有限，不能准确的反馈高速实时动态，不适用于对普通社会车辆的监控，不便于高速管理部门对其他车辆的操作和推广；成本较高，需要安装特定的“全球导航卫星系统”设备，对于社会车辆来说实用性低。
针对上述现有技术中存在的问题，本发明实施例提供了一种适用于所有普通社会车辆的高速公路上违停车辆的识别方法。
具体的，S1中，本发明实施例提供的地理信息系统即为传统的GeographicInformation System，GIS，它能够清楚的显示城市道路交通地图，尤其是高速公路的地图信息。
进一步的，根据GIS系统提供的城市道路交通地图，可以按照预设的网格划分尺度将城市道路交通划分为多个网格。
优选的，本发明实施例将GIS地图中的交通地图按照交通类型，划分为高速路段区、城区、郊区，其中，城区和高速路段区域网格精度为200m*200m，郊区网格精度为500m*500m，即城区和高速路段每一个网格的大小为40000m2，郊区一个网格的大小为250000m2，可以理解的是，由于城区和高速路段区车辆的行驶速度较快且车辆较多，故网格的精度需划分的更为细致，而郊区的车辆速度较慢且车辆较少，故可以适当将区域划分的更大。
同时，本发明实施例还将高速公路划分后的多个公路网格的网格类型进行区分，包括了：
高速互通网格、高速枢纽网格、高速出入口网格、高速路线网格以及高速服务区网格，其中，
所述高速互通网格即为高速公路与其他道路的交接位置所划分的网格；
所述高速枢纽网格即为高速运输网络中两条或者两条以上交通干线的交汇的场所形成的网格；
所述高速出入口网格即为交通运输网络中高速的各个进出口所在的网格；
所述高速路线网格即为高速行驶路线划分的网格；
所述高速服务区网格即为高速路上高速服务区所占区域划分的网格。
可以理解的是，本发明实施例所述的多个公路网格在本发明实施例中指代的即为高速路线网格，通过S2中用户提供的测量报告MR信息，即可判定用户所处的网格区域，若不处于高速路线网格区域则判定该用户不处于高速状态。
需要说明的是，在进行场景判断中，本发明实施例会先删除特殊区域的网格，比如在24小时内停留记录次数大于50次以上的网格，删除“高速互通”“高速枢纽”“高速服务区”范围内的网络记录。
S2中，所述MR信息是一种基于MRO和OTT数据的定位指纹库训练及应用系统，利用科学的数据预处理方法以及完备的参数统计方法和抽样分布理论，构建完善、有效的移动终端用户定位指纹库，并通过将指纹库训练流程以及输入变量的采集、传输和处理流程部署在特定装置上，保证了用户实时和非实时位置的获取，极大得提升了对移动终端用户的定位精度。
即不同用户能提供带有自身标识的MR信息，其中，所述MR信息主要包括了用户的驾驶时间信息，用户所处的经纬度信息，对应的将MR信息在本发明实施例提供的公路网格中显示，即可确认用户所在的公路网格编号，即本发明实施例中所述的第一公路网格。
可以理解的是，本发明实施例提供的公路网格均有对应的编号，用户到达相应编号的网格，均会由MR信息提供进入的时刻和离开的时刻。
S3中，所述获取的由所述第一公路网格前往第二网格的历史MR信息即为在该路段行驶中所有上报MR信息的车辆所提供的历史数据，其中也包括了各个车辆在该路段行驶的历史时间信息和历史经纬度信息。
那么根据历史时间信息和历史经纬度信息即可对所述第一车辆可能到达的时刻和到达的瞬时速度进行预测。
若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
需要说明的是，S4中所述第一车辆的实际到达时刻和实际到达瞬时速度可通过实时MR信息直接获取，其中瞬时速度由相邻时间的经纬度计算。
本发明提供的高速公路上违停车辆的识别方法及系统，通过在地理信息系统上将高速公路划分为各个网格，并通过每个用户所使用车辆对应的MR数据进行实时定位，从而判定车辆经过每个网格时的状态来识别车辆是否违停，适用于所有车辆，且不需要安装额外设备，提高了识别效率。
在上述实施例的基础上，步骤S1包括：
在所述地理信息系统上，获取所述高速公路的地图信息；
基于所述高速公路的地图信息，按照预设的网格划分精度，将所述高速公路划分为多个同样大小的公路网格。
需要说明的是，本发明实施例提供的方法针对于检测高速公路上是否有车辆出现违停现象。但是按照本发明实施例所提供的网格划分方法，会对整个交通地图信息进行一个区域划分，并且对高速公路的地图信息也会进行一个细致的划分，而本发明实施例中实际运用的只是高速路线网格，若所述第一车辆处于其它类型的网格中，本发明实施例将不对其进行识别。
可以理解的是，一般的划分均会按照等方块大小的对高速公路进行网格划分，优选的划分精度为200m*200m，即每一块公路网格的面积为40000m2。
在上述实施例的基础上，步骤S2包括：
基于所述实时MR信息，确定所述第一车辆的实时经纬度信息，所述MR信息包括车辆信息、时间信息和经纬度信息；
基于所述第一车辆的实时经纬度信息，确定所述第一车辆所处的第一公路网格。
可以理解的是，用户所提供的MR信息包括用户所使用的车辆信息，基于所述车辆信息可以确定用户所驾驶的车辆为所述第一车辆；
MR信息还包括时间信息，即用户驾驶第一车辆的时间序列，以及MR信息中的经纬度信息，对应用户驾驶第一车辆的时间序列，即可获取用户在该时间序列中所行驶的轨迹。
根据用户在该时间序列中行驶的轨迹，在本发明实施例划分的公路网格中确定用户所在的公路网格编号，确定的公路网格即为所述第一公路网格。
进一步的，若用户轨迹中高速路段网格占总网格比例大于90％以上，则用户处于高速状态。若高速路段占比下降且瞬时速度呈下降趋势，则可以认为该用户驶离高速公路。
在上述实施例的基础上，所述历史MR信息包括在预设时间范围内所有车辆的历史时间信息和历史经纬度信息，步骤S3包括：
基于所述所有车辆的历史时间信息和历史经纬度信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度。
可以理解的是，当获知用户所在的公路网格编号后，对于用户之后到达的任意一个公路网格，均可视为本发明实施例所述的第二公路网格。
那么本发明实施例中所述的第一公路网格和第二公路网格不为同一公路网格，且可能相邻或不相邻。
进一步的，本发明实施例通过获取用户由第一公路网格前往第二公路网格的历史MR信息，可通过历史车辆在同一路段行驶的历史MR信息中，预测第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度。
需要说明的是，所述历史数据是根据预设的时间和车辆类型范畴进行选取，优选的，本发明实施例采用同一类型的车辆在一周内同一时刻在同一路段的数据作为历史数据进行参考。
例如：预测轿车A从B公路网格在下午3点前往C公路网格的到达时刻和到达瞬时速度，即获取一周内所有轿车在下午3点从B公路网格前往C公路网格的到达时刻和到达瞬时速度。
在上述实施例的基础上，所述S32包括：
基于所述所有车辆的历史时间信息和历史经纬度信息，计算由所述第一公路网格前往第二公路网格的历史平均到达时刻和历史到达瞬时速度；
基于预设的滤波修正算法，对所述历史平均到达时刻和所述历史到达瞬时速度进行滤波修正，以预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度。
可以理解的是，由于存在MR信息缺失以及位置漂移等噪声，故直接采用相邻时间的经纬度计算瞬时速度存在误差，那么需要对计算出的瞬时速度进行滤波才能更准确的对速度进行预测。
优选的，本发明实施例提供的滤波修正算法为将当前点位时间往前5分钟为一区间，该区间内的瞬时速度作为当前点位的瞬时速度，同时，根据高速用户轨迹，计算全路径瞬时速度。若瞬时速度大于150km/h且与前一时刻瞬时速度波动幅度大于50％，则将当前瞬时速度作为噪声予以滤除。若瞬时速度在60km/h且瞬时速度波动幅度在一定阈值范围内，则认为用户正常行驶在高速上。
在上述实施例的基础上，步骤S4进一步包括：
获取所述第一车辆由所述第一公路网格到达所述第二公路网格过程中经过的若干个公路网格；
对于经过的任意一个公路网格，若实际到达时刻和预测到达时刻的差超过第一预设阈值，且实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆在此公路网格的前一个公路网格内违停。
可以理解的是，若本发明实施例提供的第一公路网格和第二公路网格不相邻，则优选的本发明实施例需对车辆违停的具体网格进行确定，那么本发明实施例优选的将获取所述第一车辆由所述第一公路网格到达所述第二公路网格过程中经过的若干个公路网格，并预测第一车辆通过每一个网格通过时间和通过速度，并根据通过时间和通过速度与预设的第一阈值和第二阈值进行比对，从而判定每个通过的公路网格内是否违停。
优选的，本发明实施例提供的第一阈值为实际通过网格的时间大于预测通过网格时间的2倍，第二阈值为实际通过的瞬时速度小于均值预测的速度的20％。
若实际到达时刻和预测到达时刻的差超过第一预设阈值，且实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆在此公路网格的前一个公路网格内违停。
需要说明的是，在实际计算过程中，由于高速过程可能存在数据不稳，故本发明实施例将用当前网格前后五分钟内的位移距离和时间来计算网格速度，如果速度大于150km/h或停留时间小于5s，则将当前记录作为噪声予以滤除，使得速度和使用时间维持在一个正常的范围内。
在上述实施例的基础上，步骤S4后所述方法还包括：
将所述第一车辆的违停信息发送给距离所述第一车辆最近的监控终端。
可以理解的是，本发明实施例提供的识别方法在识别后能够将信息迅速的传达至监控终端处，所述监控终端处一般指代为交警的手机终端，并通过本发明实施例所判断的违停位置，迅速的通知距离违停位置最近的交警进行处理。
可以理解的是，若交警进行处理发现所述第一车辆未出现违停现象，即判定识别失败并反馈错误样本，更新优化识别算法。
图2是本发明实施例提供的一种高速公路上违停车辆的识别系统结构图，如图2所示，所述系统包括：划分模块1、确定模块2、预测模块3以及识别模块4，其中：
划分模块1用于在地理信息系统上，将高速公路划分为多个公路网格；
确定模块2用于基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；
预测模块3用于基于获取的由所述第一公路网格前往第二公路网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；
识别模块4用于若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
具体的，划分模块1首先在地理信息系统上，将交通地图划分为预设精度大小的各个网格，并提取本发明实施例中所需要的多个公路网格，确定模块2根据获取的用户终端发送的MR信息，在划分的公路网格中确定用户终端所驾驶的第一车辆所在的公路网格，预测模块3再根据获取的由所述第一公路网格前往第二公路网格的历史MR信息，对第一车辆的行驶进行预测，识别模块4根据判断条件：若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，来判定所述第一车辆是否违停。
本发明提供的高速公路上违停车辆的识别系统，通过划分模块在地理信息系统上将高速公路划分为各个网格，确定模块通过每个用户所使用车辆对应的MR数据进行实时定位，预测模块和识别模块从而判定车辆经过每个网格时的状态来识别车辆是否违停，适用于所有车辆，且不需要安装额外设备，提高了识别效率。
本发明实施例提供一种高速公路上违停车辆的识别系统，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令以执行上述各方法实施例所提供的方法，例如包括：S1、在地理信息系统上，将高速公路划分为多个公路网格；S2、基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；S3、基于获取的由所述第一公路网格前往第二网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；S4、若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：S1、在地理信息系统上，将高速公路划分为多个公路网格；S2、基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；S3、基于获取的由所述第一公路网格前往第二网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；S4、若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：S1、在地理信息系统上，将高速公路划分为多个公路网格；S2、基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；S3、基于获取的由所述第一公路网格前往第二网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；S4、若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种高速公路上违停车辆的识别方法，其特征在于，包括：
S1、在地理信息系统上，将高速公路划分为多个公路网格；
S2、对于任意在所述高速公路上行驶的车辆，基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；
S3、基于获取的所有车辆由所述第一公路网格前往第二公路网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；
S4、若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
2.根据权利要求1所述的方法，其特征在于，步骤S1包括：
在所述地理信息系统上，获取所述高速公路的地图信息；
基于所述高速公路的地图信息，按照预设的网格划分精度，将所述高速公路划分为多个同样大小的公路网格。
3.根据权利要求1所述的方法，其特征在于，步骤S2包括：
基于所述实时MR信息，确定所述第一车辆的实时经纬度信息，所述MR信息包括车辆信息、时间信息和经纬度信息；
基于所述第一车辆的实时经纬度信息，确定所述第一车辆所处的第一公路网格。
4.根据权利要求3所述的方法，其特征在于，所述历史MR信息包括在预设时间范围内所有车辆的历史时间信息和历史经纬度信息，步骤S3包括：
基于所述所有车辆的历史时间信息和历史经纬度信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度。
5.根据权利要求4所述的方法，其特征在于，所述基于所述所有车辆的历史时间信息和历史经纬度信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度包括：
基于所述所有车辆的历史时间信息和历史经纬度信息，计算由所述第一公路网格前往第二公路网格的历史平均到达时刻和历史到达瞬时速度；
基于预设的滤波修正算法，对所述历史平均到达时刻和所述历史到达瞬时速度进行滤波修正，以预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度。
6.根据权利要求1-5任一所述的方法，其特征在于，步骤S4进一步包括：
获取所述第一车辆由所述第一公路网格到达所述第二公路网格过程中经过的若干个公路网格；
对于经过的任意一个公路网格，若实际到达时刻和预测到达时刻的差超过第一预设阈值，且实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆在此公路网格的前一个公路网格内违停。
7.根据权利要求6所述的方法，其特征在于，步骤S4后所述方法还包括：
将所述第一车辆的违停信息发送给距离所述第一车辆最近的监控终端。
8.一种高速公路上违停车辆的识别系统，其特征在于，包括：
划分模块，用于在地理信息系统上，将高速公路划分为多个公路网格；
确定模块，用于对于任意在所述高速公路上行驶的车辆，基于获取的实时测量报告MR信息，确定第一车辆所处的第一公路网格；
预测模块，用于基于获取的所有车辆由所述第一公路网格前往第二公路网格的历史MR信息，预测所述第一车辆到达所述第二公路网格的到达时刻和到达瞬时速度；
识别模块，用于若所述第一车辆到达所述第二公路网格的实际到达时刻和预测到达时刻的差超过第一预设阈值，且所述第一车辆到达所述第二公路网格的实际到达瞬时速度和预测到达瞬时速度的差超过第二预设阈值，则判定所述第一车辆违停。
9.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710812306.0A CN109493606B (zh) | 2017-09-11 | 2017-09-11 | 一种高速公路上违停车辆的识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710812306.0A CN109493606B (zh) | 2017-09-11 | 2017-09-11 | 一种高速公路上违停车辆的识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109493606A true CN109493606A (zh) | 2019-03-19 |
| CN109493606B CN109493606B (zh) | 2020-10-16 |
Family
ID=65687546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710812306.0A Active CN109493606B (zh) | 2017-09-11 | 2017-09-11 | 一种高速公路上违停车辆的识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109493606B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111444845A (zh) * | 2020-03-26 | 2020-07-24 | 江苏集萃华科智能装备科技有限公司 | 一种非机动车辆违停识别方法、装置及系统 |
| CN111669711A (zh) * | 2020-06-03 | 2020-09-15 | 腾讯科技（深圳）有限公司 | 车辆信息存储的实现方法、装置及计算机设备 |
| CN112700648A (zh) * | 2020-12-30 | 2021-04-23 | 北京嘀嘀无限科技发展有限公司 | 确定交通违章位置的方法和装置 |
| CN113132907A (zh) * | 2019-12-27 | 2021-07-16 | 中国移动通信集团浙江有限公司 | 行人流量分流识别方法、装置、计算设备及存储设备 |
| CN116935657A (zh) * | 2023-09-18 | 2023-10-24 | 浙江大学建筑设计研究院有限公司 | 一种基于移动通信网络的高速公路违章停车远程驱离系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110148658A1 (en) * | 2004-01-21 | 2011-06-23 | Numerex Corp. | Method and System for Interacting with A Vehicle Over a Mobile Radiotelephone Network |
| CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
| CN105702043A (zh) * | 2016-04-22 | 2016-06-22 | 北京国交信通科技发展有限公司 | 对重点营运车辆在高速公路上违章停车的预警方法 |
| CN106127143A (zh) * | 2016-06-23 | 2016-11-16 | 昆明理工大学 | 一种高速公路违章停车检测方法 |
| CN106251424A (zh) * | 2015-06-15 | 2016-12-21 | 丰田自动车株式会社 | 信息收集系统、车载装置以及服务器 |
| CN106874863A (zh) * | 2017-01-24 | 2017-06-20 | 南京大学 | 基于深度卷积神经网络的车辆违停逆行检测方法 |
-
2017
- 2017-09-11 CN CN201710812306.0A patent/CN109493606B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110148658A1 (en) * | 2004-01-21 | 2011-06-23 | Numerex Corp. | Method and System for Interacting with A Vehicle Over a Mobile Radiotelephone Network |
| CN106251424A (zh) * | 2015-06-15 | 2016-12-21 | 丰田自动车株式会社 | 信息收集系统、车载装置以及服务器 |
| CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
| CN105702043A (zh) * | 2016-04-22 | 2016-06-22 | 北京国交信通科技发展有限公司 | 对重点营运车辆在高速公路上违章停车的预警方法 |
| CN106127143A (zh) * | 2016-06-23 | 2016-11-16 | 昆明理工大学 | 一种高速公路违章停车检测方法 |
| CN106874863A (zh) * | 2017-01-24 | 2017-06-20 | 南京大学 | 基于深度卷积神经网络的车辆违停逆行检测方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113132907A (zh) * | 2019-12-27 | 2021-07-16 | 中国移动通信集团浙江有限公司 | 行人流量分流识别方法、装置、计算设备及存储设备 |
| CN113132907B (zh) * | 2019-12-27 | 2022-11-08 | 中国移动通信集团浙江有限公司 | 行人流量分流识别方法、装置、计算设备及存储设备 |
| CN111444845A (zh) * | 2020-03-26 | 2020-07-24 | 江苏集萃华科智能装备科技有限公司 | 一种非机动车辆违停识别方法、装置及系统 |
| CN111444845B (zh) * | 2020-03-26 | 2023-05-12 | 江苏集萃华科智能装备科技有限公司 | 一种非机动车辆违停识别方法、装置及系统 |
| CN111669711A (zh) * | 2020-06-03 | 2020-09-15 | 腾讯科技（深圳）有限公司 | 车辆信息存储的实现方法、装置及计算机设备 |
| CN111669711B (zh) * | 2020-06-03 | 2023-11-03 | 腾讯科技（深圳）有限公司 | 车辆信息存储的实现方法、装置及计算机设备 |
| CN112700648A (zh) * | 2020-12-30 | 2021-04-23 | 北京嘀嘀无限科技发展有限公司 | 确定交通违章位置的方法和装置 |
| CN112700648B (zh) * | 2020-12-30 | 2022-05-20 | 北京嘀嘀无限科技发展有限公司 | 确定交通违章位置的方法和装置 |
| CN116935657A (zh) * | 2023-09-18 | 2023-10-24 | 浙江大学建筑设计研究院有限公司 | 一种基于移动通信网络的高速公路违章停车远程驱离系统 |
| CN116935657B (zh) * | 2023-09-18 | 2023-12-22 | 浙江大学建筑设计研究院有限公司 | 一种基于移动通信网络的高速公路违章停车远程驱离系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109493606B (zh) | 2020-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11074813B2 (en) | Driver behavior monitoring | |
| US11847908B2 (en) | Data processing for connected and autonomous vehicles | |
| CN109493606A (zh) | 一种高速公路上违停车辆的识别方法及系统 | |
| CN112700072B (zh) | 交通状况预测方法、电子设备和存储介质 | |
| Abdel-Aty et al. | Crash risk assessment using intelligent transportation systems data and real-time intervention strategies to improve safety on freeways | |
| US20160189303A1 (en) | Risk Based Automotive Insurance Rating System | |
| CN107885795B (zh) | 一种卡口数据的数据校验方法、系统和装置 | |
| EP3403219A1 (en) | Driver behavior monitoring | |
| CN110164130A (zh) | 交通事件检测方法、装置、设备及存储介质 | |
| CN111351499A (zh) | 路径识别方法、装置、计算机设备和计算机可读存储介质 | |
| CN113867367B (zh) | 测试场景的处理方法、装置及计算机程序产品 | |
| CN113345242A (zh) | 检测加塞车辆的方法、装置及设备 | |
| CN111127882A (zh) | 一种基于大数据的旅游景区停车场来车数量预测方法 | |
| CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
| CN115938151A (zh) | 一种车辆行驶信息获取方法、装置、设备及存储介质 | |
| CN114999181A (zh) | 一种基于etc系统数据的高速公路车辆速度异常识别方法 | |
| Hayashi et al. | Prioritization of Lane-Specific Traffic Jam Detection for Automotive Navigation Framework Utilizing Suddenness Index and Automatic Threshold Determination | |
| Ackaah | Empirical Analysis of Real-time Traffic Information for Navigation and the Variable Speed Limit System | |
| Dang et al. | Building safety road maps based on difference of judgment of road users by their Smartphone | |
| CN114566062B (zh) | 车辆停车调度管理方法、装置、计算机设备和存储介质 | |
| CN111540209B (zh) | 一种车辆聚集监测方法及计算机可读存储介质 | |
| US20240085193A1 (en) | Automated dynamic routing unit and method thereof | |
| Syed | Understanding Evacuation Traffic Safety Issues during Hurricane Evacuation using Machine Learning and Connected Vehicle Data | |
| Hayashi et al. | Technology for Calculating Suddenness Index for Aggregated Values NTT Smart Data Science Center | |
| Devitt | Data-driven Investigation of Factors Affecting Surface Transit Speed and Reliability in Toronto |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: No. 19, Jiefang East Road, Hangzhou, Zhejiang Province, 310016 Patentee after: CHINA MOBILE GROUP ZHEJIANG Co.,Ltd. Patentee after: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. Address before: No. 19, Jiefang East Road, Hangzhou, Zhejiang Province, 310016 Patentee before: CHINA MOBILE GROUP ZHEJIANG Co.,Ltd. Patentee before: CHINA MOBILE COMMUNICATIONS Corp. |
|
| CP01 | Change in the name or title of a patent holder | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231218 Address after: No. 19, Jiefang East Road, Hangzhou, Zhejiang Province, 310016 Patentee after: CHINA MOBILE GROUP ZHEJIANG Co.,Ltd. Patentee after: China Mobile (Zhejiang) Innovation Research Institute Co.,Ltd. Patentee after: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. Address before: No. 19, Jiefang East Road, Hangzhou, Zhejiang Province, 310016 Patentee before: CHINA MOBILE GROUP ZHEJIANG Co.,Ltd. Patentee before: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. |
|
| TR01 | Transfer of patent right |