CN111145572B - 卡口设备的异常检测方法、设备及计算机存储介质 - Google Patents
卡口设备的异常检测方法、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN111145572B CN111145572B CN201911304169.5A CN201911304169A CN111145572B CN 111145572 B CN111145572 B CN 111145572B CN 201911304169 A CN201911304169 A CN 201911304169A CN 111145572 B CN111145572 B CN 111145572B
- Authority
- CN
- China
- Prior art keywords
- bayonet
- vehicle
- detected
- passing
- abnormal
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种卡口设备的异常检测方法,该卡口设备的异常检测方法包括:获取预定时间及预定范围内多个卡口设备的过车感知数据,过车感知数据包括车辆标识信息、卡口位置信息及过车时间信息;根据车辆标识信息,对每一车辆在多个卡口设备的过车感知数据进行分析,获取每一车辆在待检测卡口设备的过车状态信息;根据每一车辆的过车状态信息,获得待检测卡口设备的可能异常值。本申请的卡口设备的异常检测方法通过卡口设备获取的车辆感知数据,能够反推卡口设备获知信息的准确性,从而判断待检测卡口设备的异常情况,有效提高了异常检测设备对卡口设备的检测效率。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种卡口设备的异常检测方法、设备及计算机存储介质。
背景技术
卡口设备是指交通道路或园区中具备监控、存储、分析等功能的设备。其中,交通道路的卡口设备可以获取包括车辆的图像,园区中的卡口设备可以获取包括过往车辆和/或人的图像,进而可以根据获得的图像获取相关的数据。
卡口设备获取的数据可以在很大程度上反映道路中车辆、园区中车辆和/或行人的行为状态,进而能够对分析道路车流量、园区安全状况等起到很重要的作用。但是,有些情况下,卡口设备可能会发生异常,如卡口设备可能发生硬件故障或者程序故障,从而导致某些功能不能正常运行。
当卡口设备发生异常时会影响卡口设备数据的采集,从而影响数据的应用。因此,如何及时检测卡口设备异常,从而对发生异常的卡口设备进行修复,降低因卡口设备异常导致的损失,成为一个亟待解决的问题。
发明内容
本申请提供了一种卡口设备的异常检测方法、设备及计算机存储介质,主要解决的技术问题是如何解决卡口设备异常导致的数据不准确的问题。
为解决上述技术问题,本申请提供了一种卡口设备的异常检测方法,所述方法包括:
获取预定时间及预定范围内多个所述卡口设备的过车感知数据,所述过车感知数据包括车辆标识信息、卡口位置信息及过车时间信息;
根据所述车辆标识信息,对每一车辆在多个所述卡口设备的过车感知数据进行分析,获取每一车辆在待检测卡口设备的过车状态信息;
根据每一车辆的所述过车状态信息,获得所述待检测卡口设备的可能异常值。
为解决上述技术问题,本申请还提供了一种卡口设备的异常检测设备,所述卡口设备的异常检测设备包括获取模块、分析模块、处理模块,其中,所述获取模块、所述分析模块与所述处理模块耦接;
所述获取模块,用于获取预定时间及预定范围内多个所述卡口设备的过车感知数据,所述过车感知数据包括车辆标识信息、卡口位置信息及过车时间信息;
所述分析模块,用于根据所述车辆标识信息,对每一车辆在多个所述卡口设备的过车感知数据进行分析,获取每一车辆在待检测卡口设备的过车状态信息;
所述处理模块,根据每一车辆的所述过车状态信息,获得所述待检测卡口设备的可能异常值。
为解决上述技术问题,本申请还提供了另一种卡口设备的异常检测设备,所述设备包括存储器以及与所述存储器耦接的处理器;
其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据执行所述程序数据以实现如上述的的卡口设备的异常检测方法。
为解决上述技术问题,本申请还提供了一种计算机存储介质,所述计算机存储介质用于存储程序数据,所述程序数据在被处理器执行时,用以实现如上述的卡口设备的异常检测方法。
与现有技术相比,本申请的有益效果是:获取预定时间及预定范围内多个卡口设备的过车感知数据,过车感知数据包括车辆标识信息、卡口位置信息及过车时间信息;根据车辆标识信息,对每一车辆在多个卡口设备的过车感知数据进行分析,获取每一车辆在待检测卡口设备的过车状态信息;根据每一车辆的过车状态信息,获得待检测卡口设备的可能异常值。本申请的卡口设备的异常检测方法通过卡口设备获取的车辆感知数据,进而对车辆的感知数据进行分析,获取待检测卡口设备的可能异常值,通过反推卡口设备获知信息的准确性,从而判断待检测卡口设备的异常情况,有效提高了卡口设备的异常检测设备的检测效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1是本申请提供的卡口设备的异常检测方法一实施例的流程示意图;
图2是本申请提供的卡口设备的异常检测方法另一实施例的流程示意图;
图3是本申请提供的卡口设备的异常检测设备一实施例的结构示意图;
图4是本申请提供的卡口设备的异常检测设备另一实施例的结构示意图;
图5是本申请提供的计算机存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。根据本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为解决上述技术问题,本申请提出了一种卡口设备的异常检测方法,具体请参阅图1,图1是本申请提供的卡口设备的异常检测方法的示意图。本实施例的卡口设备的异常检测方法可应用于卡口设备的异常检测设备,也可应用于具有数据处理能力的服务器或移动终端。下面以卡口设备的异常检测设备为例,介绍本申请提供的卡口设备的异常检测方法,具体如下:
本实施例的卡口设备的异常检测方法具体包括以下步骤:
S101:获取预定时间及预定范围内多个卡口设备的过车感知数据,过车感知数据包括车辆标识信息、卡口位置信息及过车时间信息。
其中,预定时间是指卡口设备的异常检测设备根据实际情况获取的时间范围,可以是具体的某一天,或者一天中的某一个时间段。异常检测设备也可以根据历史的异常检测设备对卡口设备设置的时间范围,设置预定时间。具体的预定时间设置根据卡口设备的实际情况决定,在此不作限定。
预定范围是指想获知的卡口设备是否异常的区域,可以是某个市,也可以是某个区或者更小的镇。当异常检测设备获取具体检测的某个区域时,异常检测设备检测该区域同一预定时间的所有卡口设备异常情况。随即,卡口设备的异常检测设备获取特定区域预定时间内的所有卡口设备的过车感知数据。
过车感知数据包括过车的车牌信息,各卡口设备的地理位置信息及过车通过卡口设备时的时间信息。
具体地,卡口设备将其垂直于地面的面作为一辆车通过卡口设备的时间记录面。当过车的车头到达该面时,卡口设备记录此时为过车通过的实际时间;或者当过车的车尾到达该面时,记录此时为过车通过的实际时间。在本实施例中不对卡口设备获知时间信息的方式作限定。
S102:根据车辆标识信息,对每一车辆在多个卡口设备的过车感知数据进行分析,获取每一车辆在待检测卡口设备的过车状态信息。
其中,可以在待检测卡口设备与卡口设备的异常检测设备间建立有线或者无线的连接,从而将S101中卡口设备获取的过车感知数据通过有线或者无线的方式发送给卡口设备的异常检测设备。例如,可以通过WIFI(Wireless Fidelity,无线保真)、NFC(Near FieldCommunication,近距离无线通讯技术)、蓝牙等无线连接方式在待检测卡口设备与卡口设备的异常检测设备之间建立无线连接,本发明实施例对待检测卡口设备与卡口设备的异常检测设备之间的连接方式不作限定。
具体地,异常检测设备根据车辆标识信息,对预定范围预定时间内的过车感知数据进行整理分类,以得到每一过车在卡口设备的过车状态信息。例如,异常检测设备对A市2019年6月6日这天的全市所有卡口设备进行异常检测,所有卡口设备A,B,C,D,E,所有过车a,b,c,d,e。异常检测设备根据a,b,c,d,e过车,分别获取a,b,c,d,e过车的感知数据,可得到a,b,c,d,e过车中的每一辆车的状态信息。
S103:根据每一车辆的过车状态信息,获得待检测卡口设备的可能异常值。
异常检测设备根据S102中获取的每一辆车在待检测卡口设备的过车状态信息,分析计算并判断出待检测口设备的可能异常值。
其中,可能异常值是指异常检测设备根据每一辆车的状态信息,判断出待检测卡口设备是否异常,若异常,依次累加所有过车在同一卡口设备的异常次数。累加的异常次数为可能异常值。
为了实现对待检测卡口设备的异常检测,本实施例中的卡口设备的异常检测设备可以首先获取全市某个时间范围的所有过车的过车感知数据,并对所有过车中的每一辆过车所过的卡口信息、过车时间信息进行分析,从而判断所有过车中的每一辆过车所过卡口设备的异常情况,记录所有过车在各待检测卡口的异常情况,统计某一待检测卡口正常情况和异常情况,从而计算可能异常值,判断待检测口是否异常。
在本实施例中,获取预定时间及预定范围内多个卡口设备的过车感知数据,过车感知数据包括车辆标识信息、卡口位置信息及过车时间信息;根据车辆标识信息,对每一车辆在多个卡口设备的过车感知数据进行分析,获取每一车辆在待检测卡口设备的过车状态信息;根据每一车辆的过车状态信息,获得待检测卡口设备的可能异常值。本实施例通过对卡口设备获取的车辆标识信息、卡口位置信息及过车时间进行分析计算,获知卡口设备的可能异常值,判断待检测卡口设备异常情况,并反推卡口设备获知信息的准确性,有效提高异常检测设备检测异常的效率。
在另一实施例中,如图2所示,卡口设备的异常检测方法通过图1所示实施例中S102根据车辆标识信息,对每一车辆在多个卡口设备的过车感知数据进行分析,获取每一车辆在待检测卡口设备的过车状态信息的步骤,进一步包括:
S201:根据地图数据和卡口位置信息,获取每一车辆由前一卡口设备到待检测卡口设备的第一距离,由待检测卡口设备到后一卡口设备的第二距离。
其中,卡口设备的异常检测设备根据地图数据和卡口信息,获取每一辆车的实际行驶路程。地图数据可获取每一辆车的实际行驶路程及方向。该实际行驶路程可能为弯曲且行驶路程反复重合的路径。而异常检测设备可由卡口信息得知每一辆车从出发地到目的地所经过的所有卡口设备,结合地图数据中所获取的行驶路程及方向,获知每一辆车实际行驶路径中任意两相邻卡口之间实际行驶路程。
由于每一辆车根据时间顺序行驶过卡口设备。则异常检测设备以时间先后顺序,获知行驶路径中从出发地开始经过的第一个卡口设备到第二个卡口设备的实际行驶路程,依次获取第二个卡口设备到第三个卡口设备的实际行驶路程,直到获取到行驶的目的地最后通过的卡口设备为止。异常检测设备根据每一辆车在预定时间及预订范围内的所过卡口设备,将从出发地开始行驶经过的相邻的前三个卡口设备作为第一组,定义相邻前三个卡口设备的第一个卡口设备和第二个卡口设备之间的车辆实际行驶路程为第一距离,定义相邻前三个卡口设备的第二个卡口设备和第三个卡口设备之间的车辆实际行驶路程为第二距离,依次重复,以出发点开始行驶经过的第二个卡口设备开始的相邻三个卡口设备作为第二组,即以出发点开始行驶经过的第二个卡口设备开始的相邻三个卡口设备为实际行驶路径中经过的第二卡口设备、第三卡口设备和第四卡口设备,并将第二个卡口设备和第三个卡口设备间的每一辆车的实际行驶路程定义为第一距离,将第二组中的第三个卡口设备和第四个卡口设备作为第二距离,依次计算到每一辆车行驶到目的地的经过的最后一个卡口。以上卡口的排序第一卡口设备、第二卡口设备……第N卡口设备是根据每辆车按照时间顺序实际行驶路径中经过的卡口设备进行排序。
具体地,异常检测设备获取地图数据根据GPS全球定位测量出的每一辆车在预定时间和预定范围内的实际行驶路程,也可以根据专门用于测量车辆实际行驶路程的第三方的数据获取每一辆过车的实际行驶路程,例如,高德地图等。卡口位置信息可提供各个卡口设备的地理位置。异常检测设备可根据各个卡口设备的地理位置信息将每一辆车实际行驶的路径分段化,便于计算S202中相邻两卡口设备间的平均速度。
S202:根据过车时间信息、第一距离和所述第二距离,计算获得第一平均速度和第二平均速度。
异常检测设备根据S101获取的过车时间信息及S201中获取的第一距离和第二距离,计算第一距离对应的第一平均速度和第二距离对应的第二平均速度。
具体地,根据S101所述,异常检测设备根据每一辆车在预定时间及预订范围内的所过卡口设备,将从出发地开始行驶经过的相邻的前三个卡口设备作为第一组,定义相邻前三个卡口设备的第一个卡口设备和第二个卡口设备之间的车辆实际行驶路程为第一距离,定义相邻前三个卡口设备的第二个卡口设备和第三个卡口设备之间的车辆实际行驶路程为第二距离。本步骤以S201中所述的第一组为例进行平均速度计算说明,第二组到第N组的三卡口设备间相邻两卡口设备间的平均速度计算同第一组。当然在实际应用中,并不存在第一组,第二组的说法,本实施例只是为了更具体说明平均速度计算过程。
其中,卡口设备的异常检测设备获取各卡口设备记录的每辆车通过每个卡口设备的时间,由此可获知,每一辆车在预定时间及预订范围内的所过卡口设备,获知从出发地开始行驶经过的相邻的前三个卡口设备中的每个卡口设备时间,计算对应第一组中的第一卡口设备和第二卡口设备及第二卡口设备和第三卡口设备的时间差,将第一卡口设备和第二卡口设备时间差与第一组的第一距离对应计算出第一组的第一平均速度,将第二卡口设备与第三卡口设备的时间差与第一组的第二距离对应计算出第一组的第二平均速度。第二组....第N组中的第一距离第二距离对应的第一平均速度和第二平均速度同理可得,在此不再赘述。
S203:比较每一车辆的第一平均速度和速度阈值,以及第二平均速度和速度阈值。
根据S202中获取的每一辆车的第一平均速度和第二平均速度,比较第一平均速度和第二平均速度与速度阀值的大小关系。
具体地,速度阀值是一个数值。卡口设备的异常检测设备可以根据同一预定范围内所有过车在每个卡口设备的平均速度,将所有过车在每个卡口设备平均速度的平均值作为速度阀值,当然也可以根据同一预定范围内与待检测卡口设备相同的历史卡口设备的所过车的平均速度,将与待检测卡口设备相同的历史卡口设备的所过车的平均速度的平均值作为速度阀值。在本实施例中,速度阀值可以根据实际情况决定,在本实施例中不作限定。
S204:在一车辆的第一平均速度大于速度阈值,且第二平均速度大于速度阈值的情况下,将待检测卡口设备的异常值加1,异常值的初始值为0。
异常检测设备根据S203中每一辆车的第一平均速度和第二平均速度与速度阀值的比较,获知比较结果。当一车辆的第一平均速度和第二平均速度都大于速度阀值时,则S201中从出发地开始行驶经过的相邻的前三个卡口设备作为第一组、从出发地开始行驶经过的第二卡口设备、第三卡口设备和第四卡口设备组成的第二组....从出发地依次连续的三个卡口设备的第N组中,相邻三个卡口设备的中间卡口设备为异常,记录该异常卡口设备,并在前一次记录的异常值基础上加一次。待测卡口设备在预定范围预定时间内第一次记录所经过卡口设备的异常情况初始值为0。
具体地,同一辆车在行驶过程中存在两次经过同一个待测卡口设备的情况,此时,前一次经过同一待测卡口设备的卡口异常情况和后一次经过同一待测卡口的异常情况可能不同,也可能相同。同一辆车在预定时间内同时经过同一待检测卡口设备的异常情况相互独立,互不影响。当同一辆车两次通过同一待检测卡口设备的正常情况和异常情况不同时,异常检测设备对该辆车在同一个待测卡口设备记录异常值加1。同理,当同一辆车在同一预定时间内可能多次经过同一待检测卡口设备,异常检测设备对同一待检测卡口设备的所有异常的卡口设备进行次数累加,可获知同一待检测卡口的异常次数,即为异常值。
S205:在一车辆第一平均速度小于等于速度阈值,或第二平均速度小于等于速度阈值的情况下,将待检测卡口设备的正常值加1,正常值的初始值为0。
异常检测设备根据S203中每一辆车的第一平均速度和第二平均速度与速度阀值的比较,获知比较结果。当一车辆的第一平均速度和第二平均速度都小于等于速度阀值或第一平均速度和第二平均速度中的一个小于等于速度阀值时,则S201中从出发地开始行驶经过的相邻的前三个卡口设备作为第一组、从出发地开始行驶经过的第二卡口设备、第三卡口设备和第四卡口设备组成的第二组....从出发地依次连续的三个卡口设备的第N组中,相邻三个卡口设备的中间卡口设备为正常,记录该正常卡口设备,并在在前一次记录的正常值基础上加一次。待测卡口设备在预定范围预定时间内第一次记录所经过卡口设备的正常情况初始值为0。
具体地,同一辆车在行驶过程中存在两次经过同一个待测卡口设备的情况。此时,前一次经过同一待测卡口设备的卡口设备正常情况和后一次经过同一待测卡口设备的正常情况可能不同,也可能相同。同一辆车在预定时间内同时经过同一待检测卡口设备的正常情况相互独立,互不影响。当同一辆车两次通过同一待检测卡口设备的正常情况和异常情况不同时,异常检测设备对该辆车在同一个待测卡口设备记录正常值加1。同理,当同一辆车在同一预定时间内可能多次经过同一待检测卡口设备,异常检测设备对同一待检测卡口设备的所有正常的卡口设备进行次数累加,可获知同一待检测卡口的正常次数,即为正常值。
S206:获取每一卡口设备的过车次数,将过车次数大于次数阈值的卡口设备作为待检测卡口设备。
异常检测设备根据S204与S205中获知的正常值和异常值,计算预定时间预定范围内每一卡口设备的过车次数,当过车次数大于次数阀值时,将过车次数大于次数阀值的卡口设备作为待检测卡口设备。
其中,在预定时间预定范围内,异常检测设备根据待测卡口设备的所过车的正常值和异常值,可计算待检测卡口设备所过车的正常值和异常值之和。且待检测卡口设备所过车的正常值和异常值之和等于该待检测卡口设备的所有过车次数。
例如,预定范围内有5个待测卡口设备,5个待检测卡口设备分别为A,B,C,D,E,预定时间内有3辆车a,b,c通过上述待检测卡口设备。假定a,b,c车的行驶方向按照待检测卡口设备的字母排列顺序。a车按照时间起始顺序经过5个卡口设备的后四个,从B卡口设备到E卡口设备,异常检测设备获知a车在C卡口设备的正异情况为正常,在D卡口设备的正异情况为异常;b车按照时间起始顺序经过5个卡口设备的前四个,从A卡口设备到D卡口设备,获知b车在B,C卡口设备的正异情况为:在B卡口设备正常,在C卡口设备正常;c车按照时间起始顺序经过5个卡口设备的中间3个,从B卡口设备到D卡口设备,获知b车在C卡口设备的正异情况为:异常,从而可知a,b,c三辆车在B卡口设备的正常值为1;在C卡口设备的正常值为3,异常值为1;在D卡口设备的异常值为1。a,b,c三辆车在B卡口设备的过车次数为1,在C卡口设备的过车次数为3,D卡口设备的过车次数为1。此时,a,b,c车在每个卡口设备的正常值和异常值之和等于该卡口设备的过车次数。若异常检测设备设置次数阀值为1,则可判断卡口设备C可作为待检测卡口设备,并计算待检测卡口设备C的可能异常值。
当预定时间预定范围内的一个卡口设备过车次数大于次数阈值时,异常检测设备将该过车次数大于次数阈值的卡口设备作为待检测卡口设备。当一个卡口设备的过车次数小于等于次数阀值时,异常检测设备将不对该过车次数小于等于次数阀值卡口设备进行异常检测。
具体地,卡口设备的异常检测设备可根据同一卡口设备历史的多个过车次数,将该历史的多个过车次数的平均值作为次数阀值,也可以根据预定范围内所有卡口设备的历史过车次数,将所有卡口设备历史过车次数的平均值作为次数阀值。在本实施例中,次数阀值由实际情况决定,在本实施例中不对次数阀值的设置做限定。
S207:计算异常值与异常值和正常值之和的比值作为可能异常值,在可能异常值大于异常阈值时,判定待检测卡口设备异常。
异常检测设备根据S204及S205中获取的每个卡口设备的异常值和正常值,计算每个卡口设备异常值和正常值之和(此时,每个卡口设备异常值和正常值之和相当于S206中所计算的过车次数),将每个卡口设备的异常值与该卡口设备异常值和正常值之和的比值作为可能异常值,也即,每个卡口设备的异常值与该卡口的过车次数的比值作为可能异常值。当计算所得的可能异常值大于异常阀值时,可知该待检测卡口设备异常。
其中,卡口设备的异常检测设备根据同一卡口设备历史的可能异常值,将该历史的可能异常值的平均值作为异常阀值,也可以根据所有卡口设备历史的可能异常值,将该所有卡口设备历史的可能异常值的平均值作为异常阀值。在本实施例中,异常阀值由实际情况决定,在本实施例中不对异常阀值的设置做限定。
具体地,在预定范围预定时间内,异常检测设备对每辆车从出发地行驶到目的地所经过卡口设备的第一卡口设备和最后一个卡口设备,不能由该辆车的过车感知数据计算第一卡口设备和最后一个卡口设备异常情况,需要结合预定时间预订范围内所有过车中的其他经过该第一卡口设备和最后一个卡口设备的过车感知数据获知该第一卡口设备和最后一个卡口设备的异常情况。
本实施例中,根据地图数据和卡口设备位置信息,获取每一车辆由前一卡口设备到待检测卡口设备的第一距离,由待检测卡口设备到后一卡口设备的第二距离;根据过车时间信息、第一距离和所述第二距离,计算获得所述第一平均速度和所述第二平均速度;比较每一车辆的第一平均速度和速度阈值,以及第二平均速度和速度阈值;在一车辆的第一平均速度大于速度阈值,且第二平均速度大于速度阈值的情况下,将待检测卡口设备的异常值加1,异常值的初始值为0;在一车辆述第一平均速度小于等于速度阈值,或第二平均速度小于等于所述速度阈值的情况下,将待检测卡口设备的正常值加1,正常值的初始值为0;获取每一卡口设备的过车次数,将过车次数大于次数阈值的卡口设备作为待检测卡口设备;计算异常值与异常值和正常值之和的比值作为可能异常值,在可能异常值大于异常阈值时,判定待检测卡口设备异常。通过获取预定时间预定范围内的每一辆车在从出发地行驶到目的地所经过的所有卡口设备的感知数据,判断出每一辆车在每个卡口设备的异常情况(不包括每一辆车的第一个卡口和最后一个卡口),将预定时间和预定范围内的所有过车在同一卡口设备的正常情况和异常情况进行累积,计算异常值与对应卡口的过车次数(正常情况和异常情况之和)比值作为可能异常值,判断可能异常值与异常阀值的关系,从而判断出待检测卡口设备的异常情况,提高了卡口检测设备对卡口设备的异常检测效率,使卡口设备获取感知数据更为准确。
为实现上述实施例的卡口设备的异常检测方法,本申请还提出了一种卡口设备的异常检测设备,具体请参阅图3,图3是本申请提供的卡口设备的异常检测设备一实施例的结构示意图。
其中,卡口设备的异常检测设备300包括获取模块31、处理模块32以及分析模块33。获取模块31、分析模块33分别与处理模块32耦接。
其中,获取模块31,用于获取预定时间及预定范围内多个所述卡口设备的过车感知数据,过车感知数据包括车辆标识信息、卡口设备位置信息及过车时间信息。
分析模块33,用于根据车辆标识信息,对每一车辆在多个卡口设备的过车感知数据进行分析,获取每一车辆在待检测卡口设备的过车状态信息。
处理模块32,根据每一车辆的所述过车状态信息,获得所述待检测卡口设备的可能异常值。
为实现上述实施例的卡口设备的异常检测方法,本申请提出了一种卡口设备的异常检测设备,具体请参阅图4,图4是本申请提供的异常检测设备一实施例的结构示意图。
异常检测设备400包括存储器41和处理器42,其中,存储器41和处理器42耦接。
存储器41用于存储程序数据,处理器42用于执行程序数据以实现上述实施例的卡口设备的异常检测方法。
在本实施例中,处理器42还可以称为CPU(Central Processing Unit,中央处理单元)。处理器42可能是一种集成电路芯片,具有信号的处理能力。处理器42还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器42也可以是任何常规的处理器等。
本申请还提供一种计算机存储介质,如图5所示,计算机存储介质500用于存储程序数据,程序数据在被处理器执行时,用以实现如本申请方法实施例中所述的卡口设备的异常检测方法。
本申请卡口设备的异常检测方法实施例中所涉及到的方法,在实现时以软件功能单元的形式存在并作为独立的产品销售或使用时,可以存储在装置中,例如一个计算机可读取存储介质中。根据这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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,卡口设备的异常检测设备,或者网络设备等)或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (7)
1.一种卡口设备的异常检测方法,其特征在于,所述方法包括:
获取预定时间及预定范围内多个所述卡口设备的过车感知数据,所述过车感知数据包括车辆标识信息、卡口位置信息及过车时间信息;
根据地图数据和所述卡口位置信息,获取每一车辆由前一卡口设备到待检测卡口设备的第一距离,由所述待检测卡口设备到后一卡口设备的第二距离;根据所述过车时间信息、第一距离和所述第二距离,计算获得第一平均速度和第二平均速度,其中,所述前一卡口设备、所述待检测卡口设备和所述后一卡口设备为连续卡口设备;
比较每一车辆的所述第一平均速度和速度阈值,以及所述第二平均速度和所述速度阈值;
在一车辆的所述第一平均速度大于所述速度阈值,且所述第二平均速度大于所述速度阈值的情况下,将所述待检测卡口设备的异常值加1,所述异常值的初始值为0;
根据所述异常值计算可能异常值。
2.根据权利要求1所述的方法,其特征在于,所述根据每一车辆的所述第一平均速度和所述第二平均速度,获得所述待检测卡口设备的可能异常值,进一步包括:
在一车辆的所述第一平均速度小于等于所述速度阈值,或所述第二平均速度小于等于所述速度阈值的情况下,将所述待检测卡口设备的正常值加1,所述正常值的初始值为0;
计算所述异常值与所述异常值和所述正常值之和的比值作为所述可能异常值,在所述可能异常值大于异常阈值时,判定所述待检测卡口设备异常。
3.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
将所述预定时间及预定范围内的多个卡口设备均作为待检测卡口设备,获取其可能异常值。
4.根据权利要求3所述的方法,其特征在于,所述方法进一步包括:
获取每一卡口设备的过车次数,将所述过车次数大于次数阈值的卡口设备作为所述待检测卡口设备。
5.一种卡口设备的异常检测设备,其特征在于,所述卡口设备的异常检测设备包括获取模块、分析模块、处理模块,其中,所述获取模块、所述分析模块与所述处理模块耦接;
所述获取模块,用于获取预定时间及预定范围内多个所述卡口设备的过车感知数据,所述过车感知数据包括车辆标识信息、卡口位置信息及过车时间信息;
所述分析模块,用于根据地图数据和所述卡口位置信息,获取每一车辆由前一卡口设备到待检测卡口设备的第一距离,由所述待检测卡口设备到后一卡口设备的第二距离;根据所述过车时间信息、第一距离和所述第二距离,计算获得第一平均速度和第二平均速度,其中,所述前一卡口设备、所述待检测卡口设备和所述后一卡口设备为连续卡口设备;
所述处理模块,比较每一车辆的所述第一平均速度和速度阈值,以及所述第二平均速度和所述速度阈值;
在一车辆的所述第一平均速度大于所述速度阈值,且所述第二平均速度大于所述速度阈值的情况下,将所述待检测卡口设备的异常值加1,所述异常值的初始值为0;
根据所述异常值计算可能异常值。
6.一种卡口设备的异常检测设备,其特征在于,所述设备包括存储器以及与所述存储器耦接的处理器;
其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现如权利要求1~4任一项所述的卡口设备的异常检测方法。
7.一种计算机存储介质,其特征在于,所述计算机存储介质用于存储程序数据,所述程序数据在被处理器执行时,用以实现如权利要求1~4任一项所述的卡口设备的异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911304169.5A CN111145572B (zh) | 2019-12-17 | 2019-12-17 | 卡口设备的异常检测方法、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911304169.5A CN111145572B (zh) | 2019-12-17 | 2019-12-17 | 卡口设备的异常检测方法、设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111145572A CN111145572A (zh) | 2020-05-12 |
CN111145572B true CN111145572B (zh) | 2021-12-28 |
Family
ID=70518678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911304169.5A Active CN111145572B (zh) | 2019-12-17 | 2019-12-17 | 卡口设备的异常检测方法、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111145572B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114639262B (zh) * | 2020-12-15 | 2024-02-06 | 北京万集科技股份有限公司 | 感知设备的状态检测方法、装置、计算机设备和存储介质 |
CN112885101B (zh) * | 2021-03-30 | 2022-06-14 | 浙江大华技术股份有限公司 | 确定异常设备的方法、装置、存储介质及电子装置 |
CN113191305A (zh) * | 2021-05-17 | 2021-07-30 | 武汉中科通达高新技术股份有限公司 | 一种基于Flink框架的数据管理方法及装置 |
CN116129653B (zh) * | 2023-04-17 | 2023-07-07 | 创意信息技术股份有限公司 | 卡口车辆检测方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104916129A (zh) * | 2015-05-05 | 2015-09-16 | 杭州电子科技大学 | 基于大规模卡口过车数据的道路实时通行速度计算方法 |
CN105336164A (zh) * | 2015-10-27 | 2016-02-17 | 杭州电子科技大学 | 基于大数据分析的错误卡口位置信息自动识别方法 |
CN105976610A (zh) * | 2016-03-21 | 2016-09-28 | 江苏智通交通科技有限公司 | 卡口过车的检测可靠性控制方法和系统 |
WO2017154967A1 (ja) * | 2016-03-11 | 2017-09-14 | 日本電気株式会社 | 異常走行検出装置、異常走行検出方法とそのプログラムを格納する記憶媒体、および異常走行検出システム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106940931B (zh) * | 2017-02-28 | 2019-10-18 | 江苏智通交通科技有限公司 | 基于定位数据的卡口设备数据质量检验方法 |
CN108574839B (zh) * | 2017-03-08 | 2020-01-17 | 杭州海康威视数字技术股份有限公司 | 一种卡口设备异常检测方法及装置 |
CN108242153A (zh) * | 2018-03-12 | 2018-07-03 | 小草数语(北京)科技有限公司 | 异常卡口识别方法及装置 |
-
2019
- 2019-12-17 CN CN201911304169.5A patent/CN111145572B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104916129A (zh) * | 2015-05-05 | 2015-09-16 | 杭州电子科技大学 | 基于大规模卡口过车数据的道路实时通行速度计算方法 |
CN105336164A (zh) * | 2015-10-27 | 2016-02-17 | 杭州电子科技大学 | 基于大数据分析的错误卡口位置信息自动识别方法 |
WO2017154967A1 (ja) * | 2016-03-11 | 2017-09-14 | 日本電気株式会社 | 異常走行検出装置、異常走行検出方法とそのプログラムを格納する記憶媒体、および異常走行検出システム |
CN105976610A (zh) * | 2016-03-21 | 2016-09-28 | 江苏智通交通科技有限公司 | 卡口过车的检测可靠性控制方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于高快速路卡口数据的车辆出行特征分析;杨帅 等;《创新驱动与智慧发展——2018年中国城市交通规划年会论文集》;20181017;第42-54页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111145572A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145572B (zh) | 卡口设备的异常检测方法、设备及计算机存储介质 | |
Fountoulakis et al. | Highway traffic state estimation with mixed connected and conventional vehicles: Microscopic simulation-based testing | |
Seo et al. | Estimation of flow and density using probe vehicles with spacing measurement equipment | |
US9420421B2 (en) | Geofence with Kalman filter | |
US9508257B2 (en) | Road detection logic | |
EP3753002B1 (en) | Methods and systems for generating traffic volume or traffic density data | |
CA3001657A1 (en) | Accurately determining real time parameters describing vehicle motion based on multiple data sources | |
EP3344951B1 (en) | Method and system for detecting an open navigable element | |
JP6460474B2 (ja) | 交通事象推定装置、交通事象推定システム、交通事象推定方法及びコンピュータプログラム | |
CN103748621A (zh) | 用于收集交通数据的方法和系统 | |
CN113847925A (zh) | 基于轨迹数据检测车辆偏航的方法、装置、设备及介质 | |
CN105424050B (zh) | 一种确定车辆行驶路径的方法和设备 | |
Lin et al. | Vehicle re-identification with dynamic time windows for vehicle passage time estimation | |
US8798896B2 (en) | Reliability of travel time estimation | |
Jagadeesh et al. | Probabilistic map matching of sparse and noisy smartphone location data | |
CN109099931B (zh) | 检测可导航路段中的突发交通事件的导航方法及导航终端 | |
CN115935056A (zh) | 车辆虚假轨迹的识别方法、装置、设备及存储介质 | |
CN110570649B (zh) | 机动车流量检测方法、设备工作状态检测方法及相应装置 | |
CN102436742A (zh) | 浮动车系统交通信息服务水平评价方法及装置 | |
JP2019053555A (ja) | 交通量判定システム、交通量判定方法、及び交通量判定プログラム | |
CN110264725B (zh) | 路段流量的确定方法及装置 | |
Roncoli et al. | Highway traffic state estimation using speed measurements: case studies on NGSIM data and highway A20 in the Netherlands | |
JP2019040378A (ja) | コンピュータプログラム、走行道路判定方法、走行道路判定装置、車載装置およびデータ構造 | |
JP6319010B2 (ja) | プローブ情報収集装置、及びプローブ情報収集方法 | |
JP4970818B2 (ja) | 交通情報の作成装置並びにその方法及びプログラム |
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 |