CN109544947B - 监控场景下基于车辆轨迹重构的交叉口延误计算方法 - Google Patents
监控场景下基于车辆轨迹重构的交叉口延误计算方法 Download PDFInfo
- Publication number
- CN109544947B CN109544947B CN201910016187.7A CN201910016187A CN109544947B CN 109544947 B CN109544947 B CN 109544947B CN 201910016187 A CN201910016187 A CN 201910016187A CN 109544947 B CN109544947 B CN 109544947B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- intersection
- delay
- vehicles
- 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.)
- Expired - Fee Related
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 11
- 238000004364 calculation method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- WLRMANUAADYWEA-NWASOUNVSA-N (S)-timolol maleate Chemical compound OC(=O)\C=C/C(O)=O.CC(C)(C)NC[C@H](O)COC1=NSN=C1N1CCOCC1 WLRMANUAADYWEA-NWASOUNVSA-N 0.000 claims description 2
- 238000013075 data extraction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 102220192804 rs184685998 Human genes 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种监控场景下基于车辆轨迹重构的交叉口延误计算方法,属于交通信号控制。该方法包括:S1:选取视频检测断面:获取前k辆车辆到达交叉口进口道的时间和车辆类型,并观测车辆尾部离开停车线的时刻;S2:重构车辆到达轨迹;S3:重构车辆离开轨迹;S4:获取延误参数:根据每辆车到达‑离开的时间,确定每辆经历延误的车辆所产生的延误值,将其累加,得到交叉口该进口道的总延误值,结合观测的本周期流量,得到车均延误值。本发明方可以直接利用目前的交叉口监控摄像设备,不需要额外增加检测设备,计算信号控制交叉口进口道延误,计算简便,可持续性强。
Description
技术领域
本发明属于交通信号控制领域,涉及一种城市信号交叉口车辆延误的获取方法。
背景技术
交叉口作为各个流向的车流和人流汇集-分流的地点,是城市道路交通网络中的关键结点,交叉口交通运行状况的好坏直接影响着交通网络的服务质量。而延误参数是评价信号控制交叉口服务水平和优化信号配时方案的重要参数,因此延误无论对于交通设计还是信号设计方案评价都至关重要。
信号交叉口的延误,是指车辆在信号控制交叉口由于受到信号灯的影响而额外损失的时间。因此,该参数可以反映交叉口的控制方案设计合理性,也可以体现驾驶员的时间损失情况。目前对于延误参数的获取可以分为三种方式:模型推算、现场观测和仿真法。模型推算法作为较早被推演出来的方法,该方法可以借助其它可直接持续获取的流量、配时方案等参数间接推算延误值,该方法具有可持续、观测性强等特点,目前使用的范围较为广泛,但由于模型推演中使用了一些设定条件,对于实际随机的交通状况考虑不足,所以模型得到的参数精度不高;现场观测法可以通过人工或者半自动等方式进行现场或通过借助现场视频直接使用人工的方式提取延误参数,该方法可以考虑现场随机发生的状况,但人工现场观测或者通过视频观测获取延误的方法可持续性不高;仿真法是随着微观仿真软件的逐步推广而产生的一种方法,该方法中模型标定的精度对于延误参数的精度影响较大。近些年,我国交叉口,尤其是信号交叉口卡口摄像头的广泛设置和视频图像处理技术的发展为信号交叉口前几辆车的实时信息提取提供了现实背景和技术背景,也为信号交叉口延误参数的获取提供了一种新的方式。唐克双等人在2016年第44卷第10期《同济大学学报》(自然科学版)发表“基于定点检测数据的城市干道车辆轨迹重构”的文章,针对干线道路上交叉口配备视频检测器,路段上装有定点检测器的情况,通过建立基础矩阵,考虑车辆在矩阵的时空占用情况,利用数学方法和交通流相关理论及模型,推演并重构了车辆在干线的运行轨迹,并通过对比人工提取的25组车辆在干线的行程时间与重构后的车辆运行行程时间,对重构的精度进行了分析。文中并未对交叉口的延误进行提取和分析。提出了一种停车延误的检测方法,该方法利用间断航空影法的原理,通过自动识别视频录像每一帧中交叉口前停止的车辆数,计算每一帧交叉口前停驶车辆的瞬时停车延误,然后累计所有帧的瞬时停车延误即得到观测时段车辆瞬时停车延误的总量,但该方法获得的是交叉口车辆的停车延误,不包括车辆减速停车造成的减速延误及由静止状态加速到正常行驶速度所造成的加速延误。
发明内容
有鉴于此,本发明的目的在于针对目前信号交叉口广泛设置摄像头的场景,提供一种基于借助概率推演车辆轨迹的进口道延误获取方法,该方法灵活借助了现场可观测的信息和模型推算中的特点,获取了一种信号交叉口延误提取的新方法,能够用于信号控制交叉口进口道延误的计算。
为达到上述目的,本发明提供如下技术方案:
监控场景下基于车辆轨迹重构的交叉口延误计算方法,具体包括以下步骤:
S1:选取视频检测断面:根据交叉口摄像头设置目的,结合图像处理技术,确定在该目的下获取的前k辆车辆的到达信息,即前k辆车辆到达交叉口进口道的时间和车辆类型等信息,并观测车辆尾部离开停车线的时刻;
S2:重构车辆到达轨迹:结合交叉口的配时,从红灯刚启亮开始,根据现场视频检测到的前k(k=2,3或4)辆将要经历排队的车辆到达时间,结合模型推算设定的车辆到达方式,推演第k+1辆车、第k+2辆车,以及最后一辆排队车辆的到达时间,结合车辆动力学的原理,进而重构车辆的到达轨迹曲线;
S3:重构车辆离开轨迹:前k辆车离开的轨迹由摄像头直接观测,结合动力学的特征,获取第k+1辆车、第k+2辆车,以及最后一辆排队车辆的启动时间,结合车辆动力学的原理,进而重构车辆的离开轨迹曲线;
S4:获取延误参数:根据每辆车到达-离开的时间,确定每辆经历延误的车辆所产生的延误值,将其累加,得到交叉口该进口道的总延误值,结合观测的本周期流量,得到车均延误值。
进一步,步骤S2中,通过已获取的前k辆车的信息,结合车辆到达分布函数,推演第k+1辆车到达时间的方法为:
S21:结合相关参数,列出交叉口已知k辆车到达时间的情况下,此时j=k,第j+1辆车到达的概率分布函数:
S24:由上述过程推算所有经历停车的车辆到达交叉口的时刻,即得到车辆到达轨迹曲线。
进一步,所述步骤S3具体包括:第k辆车及之前的车辆启动并离开停车线的时间由视频得知,并得出第k和k+1辆车的车头时距,根据车头时距和第k+1辆车的车辆类型,推得第k+1辆车启动的时间,依此类推,获得所有经历排队的车辆启动时间,进而重构得到每辆车的启动时间和离开轨迹曲线。
进一步,所述步骤S4具体包括:通过重构出来的每一辆车的车辆到达时间以及车辆离开时间每一辆车延误为k=1,2,…,n,则每一周期交叉口总延误即为每一辆车延误的求和平均值,交叉口车均延误即为总延误与通过的车辆流量比值。
本发明的有益效果在于:本发明克服了传统韦伯斯特方法中车辆随机因素考虑不足的情况,且可以直接利用目前的交叉口监控摄像设备,不需要额外增加检测设备,具有计算简便,可持续性强等优点。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明的视频检测断面的位置示意图,图1(a)为摄像头架设点在进口道的情况,图1(b)为摄像头架设点在出口道的情况;
图2为本发明所述交叉口进口道延误获取方法流程框图;
附图标记:1为摄像头架设点,扇形箭头为摄像头拍摄范围;2为数据提取区域,在图中是长度为L的举行框内;3为信号灯架设点。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
本发明提供了一种在信号交叉口监控场景下前几辆车到达时刻已知的情况下,借助车辆到达的分布函数,推算下一辆车到达的时刻,进而推算所有经历停车的车辆到达的时间点,得到车辆的到达信息;借助监控摄像头得到的前几辆车启动及所有车辆跨过停车线的时间等信息,借助车辆动力学的方法推算车辆启动的时间信息,进而构筑所有经历停车的车辆在交叉口进口道的轨迹曲线,进而得到进口道的整体延误,借助摄像头检测到的本周期通过的车辆数,可以得到本周期交叉口的延误值,为交叉口配时优化及服务水平评价的客观参数提供了一种新方法。
图1为本发明的视频检测断面的位置示意图,包括摄像头架设点、数据提取区域、信号灯架设点。检测区域(即数据提取区域)为摄像头摄取的停车线前5米及停车线后等候排队的几辆小型车辆范围,参照附图1(a)、图1(b);本实施例所要求的输入条件如图1所示包括:(1)信号配时信息数据;(2)交叉口进口道饱和流量,通过实地观测车辆饱和车头时距得到;(3)摄像头所观测到的前k辆车的到达交叉口及离开停车线的时间,通过交叉口摄像头获取;(4)交叉口进口道流量,通过交叉口摄像头获取。中所示的L,L长度最短为15米,即最少检测到前2辆排队的小型车辆的到达时刻;
在获取以上四个输入信息后,按照图2所示获取每个周期延误,所使用的步骤如下:
2)结合相关参数,列出交叉口已知第k辆车到达时间的情况下,第j+1(此时j=k)车辆到达的概率分布函数:
5)返回第二步,同理计算所有经历排队的车辆到达时刻,即可得到车辆到达轨迹曲线;
6)由于第k辆车及之前的车辆启动并离开停车线的时间可由视频得知,且可知第k和k+1辆车的车头时距,根据车头时距和第k+1辆车的车辆类型,可以推得第k+1辆车启动的时间,以此类推,可以获得所有经历排队的车辆启动时间,进而可以重构得到每辆车的启动时间和离开轨迹曲线;
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其做出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (3)
1.监控场景下基于车辆轨迹重构的交叉口延误计算方法,其特征在于,该方法具体包括以下步骤:
S1:选取视频检测断面:根据交叉口摄像头设置目的,结合图像处理技术,确定在该目的下获取的前k辆车辆的到达信息,即前k辆车辆到达交叉口进口道的时间和车辆类型,并观测车辆尾部离开停车线的时刻;
S2:重构车辆到达轨迹:结合交叉口的配时,从红灯刚启亮开始,根据现场视频检测到的前k辆将要经历排队的车辆到达时间,结合模型推算设定的车辆到达方式,推演第k+1辆车、第k+2辆车,以及最后一辆排队车辆的到达时间,结合车辆动力学的原理,进而重构车辆的到达轨迹曲线;
S3:重构车辆离开轨迹:前k辆车离开的轨迹由摄像头直接观测,结合动力学的特征,获取第k+1辆车、第k+2辆车,以及最后一辆排队车辆的启动时间,结合车辆动力学的原理,进而重构车辆的离开轨迹曲线;
S4:获取延误参数:根据每辆车到达-离开的时间,确定每辆经历延误的车辆所产生的延误值,将其累加,得到交叉口该进口道的总延误值,结合观测的本周期流量,得到车均延误值;
步骤S2中,通过已获取的前k辆车的信息,结合车辆到达分布函数,推演第k+1辆车到达时间的方法为:
S21:结合相关参数,列出交叉口已知k辆车到达时间的情况下,此时j=k,第j+1辆车到达的概率分布函数:
S24:由上述S21~S23过程推算所有经历停车的车辆到达交叉口的时刻,即得到车辆到达轨迹曲线。
2.根据权利要求1所述的监控场景下基于车辆轨迹重构的交叉口延误计算方法,其特征在于,所述步骤S3具体包括:第k辆车及之前的车辆启动并离开停车线的时间由视频得知,并得出第k和k+1辆车的车头时距,根据车头时距和第k+1辆车的车辆类型,推得第k+1辆车启动的时间,依此类推,获得所有经历排队的车辆启动时间,进而重构得到每辆车的启动时间和离开轨迹曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016187.7A CN109544947B (zh) | 2019-01-08 | 2019-01-08 | 监控场景下基于车辆轨迹重构的交叉口延误计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016187.7A CN109544947B (zh) | 2019-01-08 | 2019-01-08 | 监控场景下基于车辆轨迹重构的交叉口延误计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544947A CN109544947A (zh) | 2019-03-29 |
CN109544947B true CN109544947B (zh) | 2021-06-25 |
Family
ID=65834492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910016187.7A Expired - Fee Related CN109544947B (zh) | 2019-01-08 | 2019-01-08 | 监控场景下基于车辆轨迹重构的交叉口延误计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544947B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111741267B (zh) * | 2020-06-24 | 2022-03-08 | 浙江大华技术股份有限公司 | 一种车辆延误的确定方法、装置、设备及介质 |
CN115131971A (zh) * | 2022-06-30 | 2022-09-30 | 北京图盟科技有限公司 | 一种基于轨迹数据的控制延误确定方法及相关组件 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100211270B1 (ko) * | 1996-10-01 | 1999-07-15 | 글렌 에이치. 렌젠 주니어 | 차량 위치 추적 방법 및 시스템 |
CN101777259A (zh) * | 2010-01-22 | 2010-07-14 | 同济大学 | 城市道路交叉路口平均延误获取方法 |
CN101789181A (zh) * | 2010-01-28 | 2010-07-28 | 同济大学 | 基于单截面检测器的信号交叉口停车延误测定方法 |
CN205050341U (zh) * | 2015-08-12 | 2016-02-24 | 河北德冠隆电子科技有限公司 | 一种视频排队检测装置及城市交通告警控制系统 |
CN106652458A (zh) * | 2017-02-20 | 2017-05-10 | 东南大学 | 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 |
CN108053645A (zh) * | 2017-09-12 | 2018-05-18 | 同济大学 | 一种基于轨迹数据的信号交叉口周期流量估计方法 |
CN108447256A (zh) * | 2018-03-22 | 2018-08-24 | 连云港杰瑞电子有限公司 | 基于电警和定点检测器数据融合的干道车辆轨迹重构方法 |
CN108665704A (zh) * | 2018-05-17 | 2018-10-16 | 北京航空航天大学 | 基于众包轨迹数据的交叉口周期最大排队长度估计方法 |
CN109064741A (zh) * | 2018-08-01 | 2018-12-21 | 北京航空航天大学 | 基于多源数据融合的干道车辆运行轨迹重构的方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU405236A1 (ru) * | 1967-05-03 | 1979-08-05 | Институт Экспериментальной И Клинической Онкологии Амн Ссср | Способ проведени ротационного облучени биологических объектов пучком параллельных моноэнергетических т желых зар женных частиц, например, протонов |
SU1620892A1 (ru) * | 1989-01-17 | 1991-01-15 | Физико-технический институт им.А.Ф.Иоффе | Способ исследовани соударени ускор емых мишеней с частицами |
CN1207693C (zh) * | 2003-05-16 | 2005-06-22 | 上海交通大学 | 基于元胞自动机的城市交通信号自组织控制方法 |
US20070069920A1 (en) * | 2005-09-23 | 2007-03-29 | A-Hamid Hakki | System and method for traffic related information display, traffic surveillance and control |
CN101388143B (zh) * | 2007-09-14 | 2011-04-13 | 同济大学 | 基于浮动车数据的公交到站时间预测方法 |
CN102081859B (zh) * | 2009-11-26 | 2014-10-01 | 上海遥薇(集团)有限公司 | 一种公交车到站时间预测模型控制方法 |
CN104916155B (zh) * | 2015-05-22 | 2017-10-13 | 深圳北斗应用技术研究院有限公司 | 一种实时公交信息服务系统 |
CN105788252B (zh) * | 2016-03-22 | 2018-05-01 | 连云港杰瑞电子有限公司 | 基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法 |
-
2019
- 2019-01-08 CN CN201910016187.7A patent/CN109544947B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100211270B1 (ko) * | 1996-10-01 | 1999-07-15 | 글렌 에이치. 렌젠 주니어 | 차량 위치 추적 방법 및 시스템 |
CN101777259A (zh) * | 2010-01-22 | 2010-07-14 | 同济大学 | 城市道路交叉路口平均延误获取方法 |
CN101789181A (zh) * | 2010-01-28 | 2010-07-28 | 同济大学 | 基于单截面检测器的信号交叉口停车延误测定方法 |
CN205050341U (zh) * | 2015-08-12 | 2016-02-24 | 河北德冠隆电子科技有限公司 | 一种视频排队检测装置及城市交通告警控制系统 |
CN106652458A (zh) * | 2017-02-20 | 2017-05-10 | 东南大学 | 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 |
CN108053645A (zh) * | 2017-09-12 | 2018-05-18 | 同济大学 | 一种基于轨迹数据的信号交叉口周期流量估计方法 |
CN108447256A (zh) * | 2018-03-22 | 2018-08-24 | 连云港杰瑞电子有限公司 | 基于电警和定点检测器数据融合的干道车辆轨迹重构方法 |
CN108665704A (zh) * | 2018-05-17 | 2018-10-16 | 北京航空航天大学 | 基于众包轨迹数据的交叉口周期最大排队长度估计方法 |
CN109064741A (zh) * | 2018-08-01 | 2018-12-21 | 北京航空航天大学 | 基于多源数据融合的干道车辆运行轨迹重构的方法 |
Non-Patent Citations (3)
Title |
---|
Red-Signal Delay Scheme to Prevent Vehicle Accidents at the Intersection;Mi-hye Lee et al.;《IEEE》;20151010;全文 * |
周期与流量对交叉口排放和延误的影响;项俊平 等;《同济大学学报(自然科学版)》;20171130;第45卷(第11期);全文 * |
基于定点检测数据的城市干道车辆轨迹重构;唐克双;《同济大学学报(自然科学版)》;20161031;第44卷(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109544947A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109448367B (zh) | 一种基于大数据图像采集的智能道路交通追踪管理系统 | |
CN108510758B (zh) | 基于视频实时信息的城市快速路入口匝道信号控制方法 | |
CN109389826B (zh) | 一种信号交叉口饱和流率的实时计算方法 | |
CN108510762B (zh) | 一种快速路多线交汇区智能信号灯优化控制方法 | |
CN109191830B (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
CN106846804B (zh) | 基于隐马尔科夫链的交叉口实时饱和流率估计方法 | |
CN101777259B (zh) | 城市道路交叉路口平均延误获取方法 | |
CN107204115B (zh) | 干线车流停车率估计方法 | |
CN108399741B (zh) | 一种基于实时车辆轨迹数据的交叉口流量估计方法 | |
CN108470461B (zh) | 一种交通信号控制器控制效果在线评价方法及系统 | |
CN104751642B (zh) | 一种高等级道路交通流运行风险实时预估方法 | |
CN108765985B (zh) | 基于第一辆车辆到达的信号交叉口进口道延误计算方法 | |
CN110070734B (zh) | 基于高斯混合模型的信号交叉口饱和车头时距估计方法 | |
CN109544947B (zh) | 监控场景下基于车辆轨迹重构的交叉口延误计算方法 | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN110969142B (zh) | 一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法 | |
CN104750963B (zh) | 交叉口延误时长估计方法及装置 | |
WO2020186764A1 (zh) | 基于视频号牌设备的待转区车道饱和车头时距计算方法 | |
CN110334666A (zh) | 一种基于双摄像机的交叉口分车道详细交通参数采集方法 | |
CN108629982B (zh) | 一种基于旅行时间分布规律的路段车辆数估计方法 | |
CN113129605A (zh) | 一种基于电子警察数据的交叉口车道排队长度估计方法 | |
CN104318760B (zh) | 一种基于似物性模型的路口违章行为智能检测方法及系统 | |
CN106846808B (zh) | 一种基于车牌数据的车辆停车次数计算方法 | |
CN109816183A (zh) | 一种精准公交客流大数据的优化方法及装置 | |
CN107730882B (zh) | 基于人工智能的道路拥堵预测系统及方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210625 |
|
CF01 | Termination of patent right due to non-payment of annual fee |