CN111325978B - 一种高速公路车辆异常行为的全程监测警示系统和方法 - Google Patents

Abstract

本发明公开了一种高速公路车辆异常行为的全程监测警示系统和方法，包括路端监测系统、后台云端集成系统以及车辆警示系统；所述路端监测系统、所述车辆警示系统均与所述后台云端集成系统相连接；路端监测系统用于获取车辆实时行驶速度、所在车道和车牌信息，并且路端监测系统将监测到的信息单向发送到后台云端集成系统；后台云端集成系统用于对路端监测系统发来的数据进行计算，提取出车辆异常行为信息并发送给相关车辆；车辆警示系统实现对驾驶员的警示功能，包括：数据接收模块、语音播报模块；数据接收模块接收后台云端集成系统传来的车辆异常行为信息，然后利用语音播报模块向本车驾驶员传递警示信息。本发明极大提升高速公路的交通安全性。

Description

一种高速公路车辆异常行为的全程监测警示系统和方法

技术领域

本发明属于智慧交通与智能车辆领域，尤其涉及一种对高速公路车辆异常行为的全程监测警示系统和方法。

背景技术

随着国民经济的快速发展，车辆保有量不断攀升，高速公路上行驶的车辆数量明显增加，当车辆在高速公路上出现异常行为，如：以超过最高限定车速、低于最低限定车速行驶，频繁变道，鲁莽变道，占用应急车道，长时间跨线行驶等，则极易造成重特大的交通事故，因此对高速公路车辆的安全行为监控至关重要。

目前对高速公路车辆异常行为的监测手段主要包括：1)利用设置在固定位置的测速装置对通过该测速点的车辆速度进行监测，或者对车辆在某一路段区间内的平均速度进行监测。此类方法仅能实现高速公路某几个特定节点车辆瞬时速度或某段区间的平均速度监测，而不能对车辆在任意位置的瞬时速度进行全面监测。2)利用设置在路侧的摄像装置对车辆是否占用应急车道进行监测，或者对车辆在某一特定路段上是否违规变道进行监测。此类监测方式不能对车辆在高速公路上进行危险变道等违规行为进行监测。同时，目前的监测系统仅仅采取记录异常行为-事后处罚的模式，只能在驾驶员已经执行若干次异常驾驶行为并离开高速公路后对驾驶员进行扣分或罚款，具有滞后性，不能在驾驶员执行异常行为的过程中及时警告制止驾驶员。同时异常驾驶行为车辆周围的其他车辆无法得知此时有车辆正在异常行驶，也就无法提前做好防范工作。这在很大程度上制约了高速公路车辆安全监管水平的提升。

事实上，由于车辆在高速公路行驶时的速度比在一般公路更快，所以随意进行变道，特别是在周围车辆很多的情况下强行变道，占用路边的应急车道等异常驾驶行为极易引发交通事故。再加上现如今各种导航软件可以对设置于路面的监测设备进行“反监测”，即提前告知驾驶员前方将有测速。这就导致了部分车主依靠导航系统对测速位置的提前播报，来规避超速监测，在监控设备监测不到的“盲区”进行超速行驶。

鉴于此，有必要提供一种高速公路车辆异常行为的全程监测和警示系统。

发明内容

为了能够对高速公路整段路径任意位置的车辆瞬时速度进行监测，并监测车辆的危险变道行为和违规占用应急车道行为，同时做到对车辆异常行为进行实时警示，本发明提出了一种高速公路车辆异常行为的全程监测警示系统和方法。实现本发明的技术方案如下：

本发明提出的高速公路车辆异常行为的全程监测警示系统如图1所示，主要由三个子系统组成，分别为：子系统1：路端监测系统；子系统2：后台云端集成系统；子系统3：车辆警示系统。并且路端监测系统、车辆警示系统均与后台云端集成系统相连接。

路端监测系统集成模块使用金属支架安装在高速公路的道路上方，每隔2km安装一个。主要用于获取车辆实时行驶速度、所在车道和车牌信息，并且路端监测系统将监测到的前述信息单向发送到后台云端集成系统。路端监测系统具体由四个模块组成：路端道路信息获取模块、路端存储模块、路端计算模块和路端数据发送模块，其中路端道路信息获取模块一方面利用监测距离为2km的毫米波雷达获取道路车辆的纵向速度和位置坐标，另一方面利用光学摄像头检测车辆的车牌信息。然后将监测得到的数据和车道-位置矩阵信息存储在路端存储模块中。其次，路端计算模块利用路端存储模块中的车道-位置矩阵将车辆位置的横向坐标转化为车辆目前正处于的车道的编号信息。最后，路端数据发送模块将路端监测系统监测计算得到的道路车辆纵向速度、车道信息和车牌信息发送给后台云端集成系统。

后台云端集成系统主要用于对路端监测系统发来的数据进行计算，提取出车辆异常行为信息并发送给相关车辆。后台云端集成系统包含六个模块：后台数据接收模块、后台计算模块、后台数据存储模块、后台数据监测模块、后台车辆信息数据库、后台数据发送模块。首先，数据接收模块用于接收路端监测系统发来的数据，并将原始数据保存在后台数据存储模块；其次，计算模块通过处理保存在后台数据存储模块中的原始数据，提取出车辆异常行为信息，并将车辆异常行为字典存储于后台数据存储模块中。然后，后台数据监测模块分析车辆异常行为字典中的数据，若获取到车辆异常行为数据，结合后台车辆信息数据库中存储的已有车辆车牌、颜色、型号和外形等信息，通过后台数据发送模块将车辆异常行为信息发送给当事车辆及其周边一定范围内的相关车辆。

车辆警示系统主要实现对驾驶员的警示功能。主要包括：数据接收模块、语音播报模块。首先，数据接收模块接收后台云端集成系统传来的车辆异常行为信息，然后利用语音播报模块向本车驾驶员传递警示信息。

所述路端监测系统使用光缆与所述后台云端集成系统连接，所述后台云端集成系统使用5G网络与所述车辆警示系统连接。

由上述描述，本系统实现了监测车辆在高速公路全段的车辆异常行为并进行实时警示的功能，解决了当前高速公路对车辆超速监测覆盖不完全、对车辆危险换道等其他违规行为无监测以及对监测到的车辆异常行为警示不及时的问题。

本发明的有益效果为：

(1)本发明提出了一种监测高速公路任意位置的车辆瞬时速度的方法和系统，弥补了现有高速公路测速系统多盲点的不足。

(2)本发明提出了监测高速公路任意位置的车辆危险变道，占用应急车道等危险行为的方法，使高速公路对车辆异常行为的监测更加全面。

(3)本发明提出了利用路端毫米波雷达与光学摄像头双传感器获取高速公路车辆状态信息的方法，实现同时获取车辆车牌，速度，位置信息功能。

(4)本发明提出了将车辆位置信息转化为车辆所处车道信息的方法，实现不基于利用光学摄像头识别车道线的车道识别功能。

(5)本发明提出了一种使用排除法识别占用应急车道车辆车牌信息的方法，实现了在无法使用光学摄像头获取车辆车牌信息时对占用应急车道车辆车牌进行识别。

(6)本发明对收集到的车辆状态信息进行实时处理与识别，在第一时间获取车辆危险驾驶行为，并实时传递给车端进行警示，弥补了现有“记录异常行为-事后处罚”模式的不足，能够让驾驶员于第一时间获取自己的异常驾驶信息，极大提高了高速公路的交通安全性。

(7)本发明创造性地提出的将车辆异常驾驶信息传递给异常驾驶车辆周围车辆的方法，极大提升了驾驶员在高速公路驾驶时的安全感，同时极大提高了高速公路的交通安全性。

附图说明

图1为本发明高速公路车辆异常行为监测警示系统结构图；

图2为本发明高速公路车辆异常行为监测警示系统的路端监测系统获取车辆原始数据方法流程图；

图3为本发明高速公路车辆异常行为监测警示系统的后台数据处理流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

基于上述系统，本发明还提出了一种高速公路车辆异常行为的全程监测和警示方法，包括如下步骤：

第一步：路端监测系统集成模块

S1：车辆经由收费站进入高速公路路段，收费站利用摄像头记录车辆车牌信息，并上传至云端。

S2：云端利用车辆车牌信息创建一个车辆异常行为字典，字典内记录了车辆速度信息、换道信息和应急车道占用信息。

车辆异常行为字典格式如下所示：

{‘name’:‘#######’,

’changeLane’:[[a1,b1,c1],[a2,b2,c2]……],

‘overSpeed’:[[d1,e1],[d2,e2]……],

‘underSpeed’:[[f1,g1],[f2,g2]……],

‘laneOccupancy’:[h1,h2]

}

其中，

#######：车辆的车牌号为#######。

a,b,c：车辆在第a路段换道b次，其中c次危险换道行为。

d,e：在第d路段超速，车辆最高时速为e km/h。

f,g：在第f路段速度低于限定最低时速，车辆最低时速为g km/h。

h：车辆在第h路段有占用应急车道行为。

S3：每隔2km为一段将高速公路分为n段，其中n＝L/2，L为高速公路的长度，在每段路的路尾架设一个路端监测系统，分别测量车辆在各路段的行驶数据，包括车辆的纵向速度、车道信息和车牌信息，并将数据传送给后台云端集成系统。

路端监测系统的路端存储模块中存储了车道-位置矩阵，记为矩阵N，记录了当车辆处于不同纵向位置的情况下，车道的横向位置分布，矩阵N为：

上述矩阵N定义如下：

当i∈[1，n-1)时，当车辆的纵向位置处于[t_i，t_i+1)区间内时，横向距离在[a_i，b_i)区间的点为第1车道，横向距离在[b_i，c_i)区间的点为第2车道，以此类推，横向距离为[d_i，+∞)区间的点为最末车道。当i＝n时，当车辆的纵向位置处于[t_i，+∞)区间内时，横向距离在[a_i，b_i)区间的点为第1车道，横向距离在[b_i，c_i)区间的点为第2车道，以此类推，横向距离为[d_i，+∞)区间的点为最末车道。

路端监测系统分别测量车辆在各段路径上的行驶数据，包括车辆的纵向速度、车道信息和车牌信息。其中毫米波雷达测量车辆的纵向速度、车道信息的具体步骤如下：

S3-1-1：当车辆行驶进入毫米波雷达监测范围时，路端计算模块为此车构建一个编码，记为code。然后，毫米波雷达以5Hz的频率检测车辆位置和速度信息，由于车辆是一个有一定体积大小的实际物体，所以可以把车辆位置简化为一个点(x，y)，x为车辆中心线横坐标，y为车辆车头所处位置纵坐标。

并以矩阵的形式存储于路端存储模块中，记为矩阵M，矩阵M为：

其中i表示此时车辆处于第i个周期，即车辆进入毫米波雷达范围0.2i秒。

其中x_i表示车辆在第i个周期内处于的横向位置。设定毫米波雷达监测范围的中线为横向位置0点，向右为正方向，向左为负方向，单位为米。

其中y_i表示车辆在第i个周期内处于的纵向位置，设定毫米波雷达监测范围的最远点即距离毫米波雷达距离为2km的点，也就是上一个路段毫米波雷达所处位置为0点，本毫米波雷达所处位置为2000，单位为米。

其中v_i表示车辆在第i个周期时的瞬时速度。单位为km/h。

矩阵中的信息不断迭代更新，直到车辆离开毫米波雷达监测范围。当车辆离开毫米波雷达监测范围时，毫米波雷达向本地路端计算模块发送一个(code，’out’)元组，其中code为车辆编码，’out’是一个字符串常量。

在路端存储模块中建立一个变量k，初始值设为k＝np.inf，即正无穷，k表示车辆在毫米波雷达监测范围内经历的总周期数。

S3-1-2：监测路端计算模块中判断是否收到毫米波雷达发送的(code，’out’)元组。如果收到，则对比元组中的code值与本车的code值是否相同。如果相同，将k的值改为k＝n。其中n为车辆信息矩阵M中最后行第一列x_n的下标。

S3-1-3：路端计算模块读取路端存储模块中的车辆信息矩阵M中的第j行，第一次执行此步骤时取j为1，读取的向量记为X，暂存在路端计算模块内存中。

S3-1-4：路端计算模块在S3-1-3中读取的向量为X＝[x_j y_j v_j]，路端计算模块将y_j与车道-位置矩阵N中的第一列进行比较，找出一个t_i使得t_i＜y_j＜t_i+1或t_i＝t_n＜y_j。

S3-1-5：路端计算模块读取车道-位置矩阵N中第i行由第二列至最后一列元素，记为Y＝[y₁ y₂ … y_n]，其中i为S3-1-4中找得的t_i的下标。将x_j与Y中元素进行比较，找出一个y_t，使得y_t＜x_j＜y_t+1或y_t＝y_n＜x_j。

S3-1-6：将S3-1-4中读取的向量X＝[x_j y_j v_j]更新为X＝[code t y_j v_j]，其中code为S3-1-1中路端计算模块为本车构建的编码，t为S3-1-5中找得的y_t的下标，表示当前时间车辆正处于t车道。

S3-1-7：将更新后的向量X传输给数据发送模块，数据发送模块将向量X通过光缆传输给后台云端集成系统。

S3-1-8：检查S3-1-2中k的值和S3-1-3中j的值。当j＜k时，改变S3-1-3中j的值，使j＝j+1，并跳转至步骤S3-1-2。当j＝k时，证明所有值已经遍历完毕，车辆在此路段毫米波雷达所采集的信息已经全部传输完毕。此时数据发送模块向后台云端集成系统传输一个(code，out)元组，其中code为车辆编码，’out’是一个字符串常量。

此外，路端监测系统中光学摄像头的检测前方车辆车牌信息具体方法如下：

S3-2-1：当车辆进入光学摄像头探测范围时，将摄像头此时拍摄的一帧图像传入路端计算模块，路端计算模块对采集到的视频图样进行大范围的相关搜索，找到符合车牌特征的若干区域作为候选区，然后对这些候选区域做进一步分析，评判，最后选定一个最佳区域作为车牌区域，并将其从图像上分割开来。

S3-2-2：采用垂直投影法对车牌上的数字进行分割。

S3-2-3：利用已经训练完成的神经网络模型对数字进行识别。识别后得到的车牌号传入路端存储模块中。

S3-2-4：将光学摄像头拍摄图像的坐标与毫米波雷达的点云坐标进行坐标转换，并用推演法将双传感器做时间融合。完成双传感器融合。

S3-2-5：对时间融合后某一时间的光学摄像头拍摄图像进行分析，得到此时的车辆坐标v＝(x，v)

S3-2-6：从路端存储模块中调取S3-1-1中各个车辆的信息矩阵M，找到同一时间各辆车的坐标，保存在向量u_i＝(code，x_i，y_i)。其中code为车辆编码，x_i，y_i为坐标转换后的车辆坐标。

S3-2-7：找出使L_i最小的向量u_i，将此u_i中的第一个元素code与S3-2-3中的车牌信息放入一个元组(code，Number)传输给数据发送模块，，其中code为车辆编码，Number为车辆的车牌号。数据发送模块将此元组通过光缆传输给后台云端集成系统。其中L_i的计算公式如下所示：

上述即完成了路端监测系统集成模块的设计。

第二步：后台云端集成系统

S4：后台云端集成系统获取由各个路端设置的路端监测系统发来的车辆行驶数据，并通过后台计算模块运算分析，提取出异常行为车辆数据信息。然后经过分类后存入各车自己的车辆异常行为字典中，并将行为字典保存在后台数据存储模块。

后台云端集成系统获取由各个路端监测系统发来的车辆行驶数据。行驶数据包括车辆的位置，速度信息和车牌信息。在S3-1-7中所述发送向量X中包括了车辆位置，速度信息，在S3-2-7中所述元组包括了车辆的车牌信息。后台云端集成系统的数据接收模块将收到的向量X按时间顺序依次传输给后台数据存储模块，后台数据存储模块按照时间顺序将向量X依次填入矩阵D中，直到数据接收模块收到与向量X中code值相同的元组(code，out)。矩阵D的形式如下所示：

后台云端集成系统的数据接收模块将收到的元组也发送给后台数据存储模块，元组的形式为(code，Number)，其中code为车辆编码，Number为车辆的车牌号。以下为后台计算模块通过运算，找出有异常行为的车辆，并经过分类后存入各车自己的车辆异常行为字典中的详细方法。

S4-1：此步骤将监测车辆是否停在应急车道之上。假设应急车道为第x条车道，即如果t_i＝x，则表示当前车辆位于应急车道上。

逐行扫描矩阵D，如果发现从某一行开始，t_i的值一直等于x且v_i≤5(设置为5以免毫米波雷达误差影响判断)，当这样的行数连续出现150次(即此车在应急车道上停留超过30秒)，则认定此车占据应急车道。此时立即输出一个(code，‘warning’)信号，并执行步骤S4-6。其中code为车辆编码，‘warning’为字符串常量。否则执行S4-2。

S4-2：此步骤将监测车辆的换道行为和危险换道行为。将矩阵D中的第二列元素取出至后台计算模块中，记为T＝[t₁ t₂ … t_n]。设置两个新的变量t＝0，r＝0，t表示车辆变道次数，r表示危险变道次数。假设应急车道为第x条车道，即如果t_i＝x，则表示当前车辆位于应急车道上。首先对比t₁与t₂的值，如果t₁≠t₂，则t＝t+1。如果此时t₂＝x，则r＝r+1。当t₂≠x时，再将其他车辆的D矩阵在相同时刻的t_i与本车的t₁与t₂进行对比，当t_i＝t₁或t_i＝t₂时，计算R＝|y_i-y₁|，其中y_i为其他车辆D矩阵中的y_i值，而y₁为本车辆的y₁值。如果R≤L，则r＝r+1，其中L为S5中所述“车辆换道过程中，在与换道相关的两条车道，即从某车道换入另一条车道所涉及的两条车道中，如果有其他车辆与本车距离少于L米。”中所描述的L。将t₁与t₂的值对比完成后，继续对比t₂与t₃的值，方法同上所述。一直对比下去直到将t_n-1与t_n的值对比完毕。此时得到两个值t与r，表示车辆在此路段共换道t次，其中r次为危险换道。

S4-3：此步骤将监测车辆的超速行为和驾驶速度低于最低额定速度的异常驾驶行为。将矩阵D中的第四列元素取出至后台计算模块中，记为V＝[v₁ v₂ … v_n]。设置两个新的变量v_max与v_min。通过对V中所有元素的比较，找出v_i的最大值计入v_max中，找出v_i的最小值计入v_min中。

S4-4：将矩阵D中的code值与后台数据存储模块中元组(code，Number)的中的code进行比较，找出code值相同的一组，表示此矩阵D中记录的数据是属于车牌号为Number的车辆的。此时在后台数据存储模块中索引出’name’值为Number的车辆异常行为字典，准备开始填充数据。

S4-5：此步骤为填写车辆异常行为字典的方法。当S4-2中所得t＝0时，不进行操作。当t≠0时，在键为’changeLane’的列表中插入一个新的列表[n，t，r]，其中n为车辆所处的路段，由数据接收模块根据发送信息的设备自动获取。t，r为S4-2中获得的变道次数与危险变道次数。

当S4-3中获得的v_max小于等于此路段的最高限速且v_min小于此路段的最低限速时，不进行任何操作。否则在键为‘overSpeed’的列表中插入一个新的列表[n，v_max]，其中n为车辆所处的路段，由数据接收模块根据发送信息的设备自动获取。

当S4-3中获得的v_min大于等于此路段的最低限速时，不进行任何操作。否则在键为‘underSpeed’的列表中插入一个新的列表[n，v_min]，其中n为车辆所处的路段，由数据接收模块根据发送信息的设备自动获取。列表传输完毕后，S4流程结束。

S4-6：当后台计算模块监测到一个(code，‘warning’)信号时，首先将此信号的code值与后台数据存储模块中元组(code，Number)的中的code进行比较，找出code值相同的一组。假设存在这样的元组(code，Number)，证明此车已经进入摄像头监测范围，此时执行步骤S4-7。假设没有找到这样的元组，证明此车还在摄像头范围之外，此时执行步骤S4-8。

S4-7：将(code，‘warning’)信号中的code值与后台数据存储模块中元组(code，Number)的中的code进行比较，找出code值相同的一组，表示此矩阵D中记录的数据是属于车牌号为Number的车辆的。此时在后台数据存储模块中索引出’name’值为Number的车辆异常行为字典，此时在键为‘laneOccupancy’的列表中插入一个新的值n，其中n为车辆所处的路段，由数据接收模块根据发送信息的设备自动获取。S4流程结束。

S4-8：此时车辆在本路段的摄像头范围之外占用应急车道，本路段无法获取此车的车牌信息。于是采用排除法来推测此车的车牌信息。由于本系统对高速公路路段的监测是全覆盖的，即前一个毫米波雷达探测的终点与后一个毫米波雷达探测的起点为同一位置。首先获取毫米波雷达第一次获取本车信息的时间信息，即本车刚进入毫米波雷达探测区间的时间t。接下来调用上一个路段在[t-10,t+10](单位：秒)的时间区间内离开毫米波雷达监测范围的车辆车牌信息。假设共有n辆车在[t-10,t+10]时间区间内离开上一个毫米波雷达探测区间，则必定是这n辆车中的某一辆车占用了应急车道。将此n辆车的车牌信息作为一个列表[Number₁,Number₂,…,Number_n]暂时存储于后台数据存储模块中。此时开始监测此路段的光学摄像头传输给云端的元组(code，Number)，当接收到的元组中的Number与上述列表中的Number_i相同，则证明此车辆未占据应急车道，将此车辆车牌从列表中删除。一直持续下去直到列表中还剩下唯一一个Number值。此时可以认定此Number值对应的车牌号就为占据应急车道车的车牌号。此时在后台数据存储模块中索引出’name’值为Number的车辆异常行为字典，此时在键为‘laneOccupancy’的列表中插入一个新的值n，其中n为车辆所处的路段，由数据接收模块根据发送信息的设备自动获取。S4流程结束。

上述即完成了后台云端集成系统的设计。

S5：后台数据监测模块持续监测各车的车辆异常行为字典，如果发现有以下情况出现，则调取车辆信息数据库中对应具有异常行为车辆的颜色和型号信息，并执行下一步警示信息发送模块功能：

(1)车辆超速行驶多于n次或车辆最高速度达到x以上。

(2)车辆速度低于规定速度n次或车辆速度低于y。

(3)车辆的换道频率高于a次/km或车辆出现1次危险换道行为。其中危险换道行为包括：

a.车辆换道过程中，在与换道相关的两条车道，即从某车道换入另一条车道所涉及的两条车道中，如果有其他车辆与本车距离少于L米。

b.车辆换入应急车道。

(4)车辆占据应急车道。

注：以上的未知参数设定应基于相关路段的实际情况而设定。

当后台云端集成系统中数据监测模块获取到车辆异常行为信息后，通过数据发送模块向产生异常行为的车辆发出警示信息。其中，若发现有车辆占据应急车道，调取车辆信息数据库中车主手机号信息，通过数据发送模块将此信息发送给后台工作人员，工作人员拨打车主手机确认情况。如果车辆发生损坏，则可以立刻派遣拖车将损坏车辆拖离高速公路。如果不是车辆损坏原因，则要求车主立刻驶离应急车道。

否则继续监测。

第三步：车辆警示系统集成模块

S6：车辆警示系统集成模块接收到后台云端集成系统发出的车辆异常行为信息，通过该集成模块要求对应车辆立刻停止执行异常行为。同时，向异常行为车辆周围1km以内的其他车辆发出警示信息，包括异常行为车的车牌、颜色、型号和异常行为，以提醒驾驶员注意安全。

S7：若发现有车辆占据应急车道，完成前述后台工作人员电话确认后，同时通过车辆警示系统集成模块向占据应急车道车辆后方10km以内的其他车辆发出警示信息，将应急车道被占据的位置进行汇报，提醒驾驶员注意安全。本车的车辆警示系统接收由后台云端集成系统传来的警示信息，并通过语音播报模块将信息传达给驾驶员。

S8：车辆经由收费站离开高速公路路段，收费站利用摄像头记录车辆车牌信息，并上传至云端。

S9：云端获得车辆车牌信息，并删除此车辆的车辆异常行为字典，释放内存。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技术所创的等效方式或变更均应包含在本发明的保护范围之内。

Claims (3)

1.一种高速公路车辆异常行为的全程监测警示方法，其特征在于，包括如下：

S1：车辆经由收费站进入高速公路路段，收费站利用摄像头记录车辆车牌信息，并上传至云端集成系统；

S2：云端集成系统利用车辆车牌信息创建一个车辆异常行为字典，车辆异常行为字典内记录了车辆速度信息、换道信息和应急车道占用信息；

S3：每隔2km为一段将高速公路分为n₁段，其中n₁＝L/2，L为高速公路的长度，在每段路的路尾架设一个路端监测系统，分别测量车辆在各路段的行驶数据，包括车辆的纵向速度、车道信息和车牌信息，并将数据传送给云端集成系统；

S4：云端集成系统获取由各个路端设置的路端监测系统发来的车辆行驶数据，并通过后台计算模块运算分析，提取出异常行为车辆数据信息；然后经过分类后存入各车自己的车辆异常行为字典中，并将车辆异常行为字典保存在后台数据存储模块；

S5：后台数据监测模块持续监测各车的车辆异常行为字典，如果发现异常情况，则调取车辆信息数据库中对应具有异常行为车辆的颜色和型号信息，并执行警示信息发送；

S6：车辆警示系统接收到云端集成系统发出的车辆异常行为信息，通过该模块要求对应车辆立刻停止执行异常行为；同时，向异常行为车辆周围其他车辆发出警示信息，包括异常行为车的车牌、颜色、型号和异常行为，以提醒驾驶员注意安全；

S7：若发现有车辆占据应急车道，完成后台工作人员电话确认后，同时通过车辆警示系统向占据应急车道车辆后方10km以内的其他车辆发出警示信息，将应急车道被占据的位置进行汇报，提醒驾驶员注意安全；本车的车辆警示系统接收由云端集成系统传来的警示信息，并通过语音播报模块将信息传达给驾驶员；

S8：车辆经由收费站离开高速公路路段，收费站利用摄像头记录车辆车牌信息，并上传至云端集成系统；

S9：云端集成系统获得车辆车牌信息，并删除此车辆的车辆异常行为字典，释放内存；

步骤S3中，车辆的纵向速度、车道信息的测量方法如下：

S3-1-1：当车辆行驶进入毫米波雷达监测范围时，路端计算模块为此车构建一个编码，记为code；然后，毫米波雷达以5Hz的频率检测车辆位置和速度信息，由于车辆是一个有一定体积大小的实际物体，所以把车辆位置简化为一个点(x，y)，x为车辆中心线横坐标，y为车辆车头所处位置纵坐标；

并以矩阵的形式存储于路端存储模块中，记为矩阵M，矩阵M为：

其中p表示此时车辆处于第p个周期，即车辆进入毫米波雷达范围0.2p秒；

其中x_p表示车辆在第p 个周期内处于的横向位置；设定毫米波雷达监测范围的中线为横向位置0点，向右为正方向，向左为负方向，单位为米；

其中y_p表示车辆在第p个周期内处于的纵向位置，设定毫米波雷达监测范围的最远点即距离毫米波雷达距离为2km的点，也就是上一个路段毫米波雷达所处位置为0点，本毫米波雷达所处位置为2000，单位为米；

其中v_p表示车辆在第p个周期时的瞬时速度，单位为km/h；

矩阵M中的信息不断迭代更新，直到车辆离开毫米波雷达监测范围，当车辆离开毫米波雷达监测范围时，毫米波雷达向本地路端计算模块发送一个(code，’out’)元组，其中code为车辆编码，’out’是一个字符串常量；

在路端存储模块中建立一个变量k，初始值设为k＝np.inf，即正无穷，k表示车辆在毫米波雷达监测范围内经历的总周期数；

S3-1-2：监测路端计算模块中判断是否收到毫米波雷达发送的(code，’out’)元组；如果收到，则对比元组中的code值与本车的code值是否相同；如果相同，将k的值改为k＝n；其中n为车辆信息矩阵M中最后行第一列x_n的下标；

S3-1-3：路端计算模块读取路端存储模块中的车辆信息矩阵M中的第j行，第一次执行此步骤时取j为1，读取的向量记为X，暂存在路端计算模块内存中；

S3-1-4：路端计算模块在S3-1-3中读取的向量为X＝[x_j y_j v_j],路端计算模块将y_j与车道-位置矩阵N中的第一列进行比较，找出一个t_i使得t_i<y_j<t_i+1或t_i＝t_n<y_j；

S3-1-5：路端计算模块读取车道-位置矩阵N中第i行的第二列至最后一列元素，记为Y＝[y₁ y₂ … y_n],其中i为S3-1-4中找得的t_i的下标；将x_j与Y中元素进行比较，找出一个y_t，使得y_t<x_j<y_t+1或y_t＝y_n<x_j；

所述

上述矩阵N定义如下：

当i∈[1，n-1)时，当车辆的纵向位置处于[t_i，t_i+1)区间内时，横向距离在[a_i，b_i)区间的点为第1车道，横向距离在[b_i，c_i)区间的点为第2车道，以此类推，横向距离为[d_i，+∞)区间的点为最末车道；当i＝n时，当车辆的纵向位置处于[t_i，+∞)区间内时，横向距离在[a_i，b_i)区间的点为第1车道，横向距离在[b_i，c_i)区间的点为第2车道，以此类推，横向距离为[d_i，+∞)区间的点为最末车道；

S3-1-6：将S3-1-4中读取的向量X＝[x_j y_j v_j]更新为X＝[code t y_j v_j]，其中code为S3-1-1中路端计算模块为本车构建的编码，t为S3-1-5中找得的y_t的下标，表示当前时间车辆正处于t车道；

S3-1-7：将更新后的向量X传输给数据发送模块，数据发送模块将向量X通过光缆传输给云端集成系统；

S3-1-8：检查S3-1-2中k的值和S3-1-3中j的值，当j<k时，改变S3-1-3中j的值，使j＝j+1，并跳转至步骤S3-1-2；当j＝k时，证明所有值已经遍历完毕，车辆在此路段毫米波雷达所采集的信息已经全部传输完毕；此时数据发送模块向云端集成系统传输一个(code，’out’)元组，其中code为车辆编码，’out’是一个字符串常量。

2.根据权利要求1所述的一种高速公路车辆异常行为的全程监测警示方法，其特征在于，所述步骤S2中，车辆异常行为字典格式如下所示：

{‘name’:‘#######’,

’changeLane’:[[a1,b1,c1],[a2,b2,c2]……],

‘overSpeed’:[[d1,e1],[d2,e2]……],

‘underSpeed’:[[f1,g1],[f2,g2]……],

‘laneOccupancy’:[h1,h2]

}

其中，

#######：车辆的车牌号为#######；

a,b,c：车辆在第a路段换道b次，其中c次危险换道行为；

d,e：在第d路段超速，车辆最高时速为e km/h；

f,g：在第f路段速度低于限定最低时速，车辆最低时速为g km/h；

h：车辆在第h路段有占用应急车道行为。

3.根据权利要求1所述的一种高速公路车辆异常行为的全程监测警示方法，其特征在于，步骤S3中，车牌信息的监测方法如下：

S3-2-1：当车辆进入光学摄像头探测范围时，将摄像头此时拍摄的一帧图像传入路端计算模块，路端计算模块对采集到的视频图样进行大范围的相关搜索，找到符合车牌特征的若干区域作为候选区，然后对这些候选区域做进一步分析，评判，最后选定一个最佳区域作为车牌区域，并将其从图像上分割开来；

S3-2-2：采用垂直投影法对车牌上的数字进行分割；

S3-2-3：对数字进行识别，识别后得到的车牌号传入路端存储模块中；

S3-2-4：将光学摄像头拍摄图像的坐标与毫米波雷达的点云坐标进行坐标转换，并用推演法将双传感器做时间融合，完成双传感器融合；

S3-2-5：对时间融合后某一时间的光学摄像头拍摄图像进行分析，得到此时的车辆坐标v＝(x，y)；

S3-2-6：从路端存储模块中调取S3-1-1中各个车辆的信息矩阵M，找到同一时间各辆车的坐标，保存为向量u_i＝(code，x_i，y_i)；其中code为车辆编码，x_i，y_i为坐标转换后的车辆坐标；

S3-2-7：找出使L_i最小的向量u_i，将此u_i中的第一个元素code与S3-2-3中的车牌信息放入一个元组(code，Number)传输给数据发送模块，其中code为车辆编码，Number为车辆的车牌号；数据发送模块将此元组通过光缆传输给后台云端集成系统；其中L_i的计算公式如下所示：

Images