CN111798579B - 一种基于etc龙门架的高速公路拥堵预测方法及系统 - Google Patents
一种基于etc龙门架的高速公路拥堵预测方法及系统 Download PDFInfo
- Publication number
- CN111798579B CN111798579B CN202010746089.1A CN202010746089A CN111798579B CN 111798579 B CN111798579 B CN 111798579B CN 202010746089 A CN202010746089 A CN 202010746089A CN 111798579 B CN111798579 B CN 111798579B
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- violation
- speed
- driver
- 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
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
-
- 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
-
- 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
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于ETC龙门架的高速公路拥堵预测方法，该方法具体包括下述步骤：步骤一：在高速公路的入口、出口和中途设定摄像头，通过摄像头实时采集车辆的相关信息，并自动获取影像信息，将影像信息传输至识别单元；步骤二：数据库内存储有车牌数据、车主信息和违章信息，所述违章信息与车主信息相对应，所述车主信息包括车主面部数据和车主手机号码数据，本发明通过判定单元的设置，将监测单元获取的车辆近期速度与分析单元的相关数据进行数据整合分析，从而计算出车辆的行驶情况，从而预计高速的拥堵情况，增加对道路拥堵的及时预计，避免车辆堵在高速上，对车主造成不便，节省人为分析所消耗的时间，提高工作效率。
Description
技术领域
本发明涉及公路拥堵技术领域，具体为一种基于ETC龙门架的高速公路拥堵预测方法及系统。
背景技术
高速公路，简称高速路，是指专供汽车高速行驶的公路。高速公路在不同国家地区、不同时代和不同的科研学术领域有不同规定。根据中国法律规定：高速公路为专供汽车分向行驶、分车道行驶，全部控制出入的多车道公路。高速公路年平均日设计交通量宜在15000辆小客车以上，设计速度每小时80至120千米。
目前，车辆在行驶在高速公路上时，时常会出现拥堵的情况，人们通过地图导航和交通电台了解高速道路的具体情况，但是，通过这种方式了解的情况，通常是已经发生的，人们没办法随时驶离高速，为此，我们提出一种基于ETC龙门架的高速公路拥堵预测方法及系统。
发明内容
本发明的目的在于提供一种基于ETC龙门架的高速公路拥堵预测方法及系统，通过识别单元对摄像头采集车辆的相关数据进行识别分析，从而确保车辆的安全性，并依据识别的驾驶员身份，提取相关驾驶数据，分析单元对驾驶数据进行数据分析，增加车辆的安全性，准确的提取出驾驶员的相关信息，增加数据提取的精确性，节省数据收集所消耗的时间，通过判定单元的设置，将监测单元获取的车辆近期速度与分析单元的相关数据进行数据整合分析，从而计算出车辆的行驶情况，从而预计高速的拥堵情况，增加对道路拥堵的及时预计，避免车辆堵在高速上，对车主造成不便，节省人为分析所消耗的时间，提高工作效率。
本发明的目的可以通过以下技术方案实现：一种基于ETC龙门架的高速公路拥堵预测方法，该方法具体包括下述步骤：
步骤一：在高速公路的入口、出口和中途设定摄像头，通过摄像头实时采集车辆的相关信息，并自动获取影像信息，将影像信息传输至识别单元；
步骤二：数据库内存储有车牌数据、车主信息和违章信息，所述违章信息与车主信息相对应，所述车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，得到违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并将其传输至分析单元；
步骤三：分析单元接收违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并对其进行分析操作，得到偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并将其一同传输至判定单元；
步骤四：监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元，其中，最近时间点指代在监测单元监测车辆行驶的数据中，需要提取的时间段内，该车辆所处的路段数据的前面两个路段的行驶速度的时间点；
步骤五：判定单元接收实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并对其进行判定操作，得到拥堵信号、缓行信号、隐患信号和可行信号，并将其传输至显示屏；
步骤六：通过显示屏显示拥堵信号、缓行信号、隐患信号和可行信号。
作为本发明的进一步改进方案：识别操作的具体操作过程为：
K1：获取影像信息，将其内车辆的牌照影像图片，并自动识别车牌照数据，将其标定为车牌照数据，并将车牌照数据标记为PZi，i＝1,2,3......n1，将其内驾驶员面部影像标定为驾驶员面部数据，并将驾驶员面部数据标记为JMi，i＝1,2,3......n1，将其内车辆进入高速后在每个摄像头拍摄下的时间点标定为行驶时间数据，并将行驶时间数据标定为XSi，i＝1,2,3......n1，将其内车辆进入高速后，在每个摄像头拍摄下的速度数据标定为行驶速度数据，并将行驶速度数据标定为SDi，i＝1,2,3......n1，将其内高速上的每辆车标定为车辆数据，并将车辆数据标记为CLi，i＝1,2,3......n1，将其内高速道路的长度标定为道路数据，并将道路数据标记为DLi，i＝1,2,3......n1；
K2：将车牌数据标记为CPi，i＝1,2,3......n1，将车主面部数据标记为CMI,i＝1,2,3......n1，将车主面部数据对应的车主手机号码数据标记为SHi，i＝1,2,3......n1；
K3：提取车牌数据，并将其与车牌照数据进行匹配，当匹配结果不一致时，则判定该车牌尚未存储，不进行K4中的操作，当匹配结果一致时，则判定该车牌号码存在，并自动提取车牌数据对应的车主信息；
K4：提取驾驶员面部数据，并将其与车主信息内的车主面部数据进行匹配，当匹配结果一致时，则判定该车辆的驾驶员是车主，当匹配结果不一致时，则判定该车辆的驾驶员不是车主，并自动提取车主信息内的车主手机号码数据，并向该手机号码发送验证信息，依据验证信息的结果判定该车辆的驾驶员是否安全；
K5：提取上述K4中识别到的驾驶员面部数据，将其与违章信息进行匹配，匹配的过程为：通过驾驶员的面部数据识别出驾驶员的身份信息，违章信息内存储有违章内容和违章人的身份数据，将驾驶员的身份信息与违章人的身份数据进行匹配，再提取对应的违章内容，即提取对应的违章数据。
作为本发明的进一步改进方案：分析操作的具体操作过程为：
H1：获取违章数据，将其内违章的次数标定为违章次数数据，并将违章次数数据标记为WCi，i＝1,2,3......n1，将其内驾驶员的驾驶年龄标定为驾龄数据，并将驾龄数据标记为JLi，i＝1,2,3......n1，将其内违章造成影响的轻重标定为违章程度数据，并将违章程度数据标定为WZi，i＝1,2,3......n1，其中违章程度数据指代驾驶人员在开车造成事故后造成的拥堵情况，并依据情况将其分为三个等级，不造成拥堵，造成轻微拥堵和造成严重拥堵；
H2：将违章次数数据和驾龄数据一同带入到计算式：Vi＝WCi/JLi，从而得到违章频率Vi，将违章频率带入到计算式：
其中，PVi表示为违章频率的平均值，即频率均值，将违章频率与频率均值一同带入到差值计算式中，从而计算出频率差值，并对频率差值进行判定，具体为：当频率差值大于零时，则判定该驾驶人员的违章次数多，将其标定为危险驾驶员，当频率差值小于等于零时，则判定该驾驶人员的违章次数少，将其标定为安全驾驶员；
H3：获取每辆车的道路数据，并将道路数据依据设定的长度预设阈值划分为若干个道路路段，并将其标定为路段数据，且提取每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据；
H4：提取上述H3中的每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据，将两个相邻的路段数据中车辆的行驶时间数据、路段距离数据和行驶速度数据一同进行数据分析，具体为：依据车辆数据，将车辆数据在道路上对应的两个行驶时间数据分别标定为XS1和XS2，将其一同带入到计算式Ti差＝XS2-XS1，其中，Ti差表示为时间差值，即车辆总共行驶的时间长短，将两个相邻的路段标定为LD1和LD2，并将其带入到差值计算式中，从而计算出两个相邻路段的总长度数据，即距离数据，将距离数据和时间差值一同带入到计算式：
其中，Si速表示为速度计算值，将行驶速度数据带入到计算式：
其中，PSDi表示为行驶速度的平均值，即速度均值，将其与速度计算值一同带入到计算式：Si速＝PSDi*u1，其中，u1表示为实际值与计算值之间的偏差影响预设因子。
作为本发明的进一步改进方案：判定操作的具体操作过程为：
G1：提取车辆数据，并对车辆数据进行标定，从而统计出车辆的数量，将其标定为车辆数；
G2：提取安全驾驶员和危险驾驶员，并对其进行识别，识别获取到安全驾驶员和危险驾驶员的数量，并将其标定为安全数量和危险数量；
G3：将安全数量和危险数量分别与车辆数带入到占比计算式：安全占比值＝安全数量/车辆数据，危险占比值＝危险数量/车辆数据，并将其分别标定为安全占比值和危险占比值；
G4：将实时速度数据与偏差影响预设因子一同带入到计算式：VCi＝u1*SSi，其中，VCi表示为实际速度均值，SSi表示为实时速度数据，将实时速度数据与实际速度均值一同进行差值计算，从而计算出判定差值，并将判定差值标记为PCi；
G5：设定一个判定差值的预设阈值M1和一个危险占比预设阈值M2，并将其与判定差值和危险占比值PE一同进行比对判定，具体为：
E1：当出现PCi＞M1，且PE＞M2时，则判定高速拥堵，生成拥堵信号；
E2：当出现PCi＞M1，且PE≤M2时，则判定车辆行驶速度小，生成缓行信号；
E3：当出现PCi≤M1，且PE＞M2时，则判定高速通畅但存在危险因素，生成隐患信号；
E4：当出现PCi≤M1，且PE≤M2时，则判定道路通畅且安全，生成可行信号。
一种基于ETC龙门架的高速公路拥堵预测系统，包括摄像头、识别单元、数据库、分析单元、监测单元、判定单元和显示屏；
所述摄像头用于实时采集车辆的相关信息，并自动获取影像信息，摄像头安装在高速公路的入口、出口和中途，将影像信息传输至识别单元；
所述数据库内存储有车牌数据、车主信息和违章信息，所述违章信息与车主信息相对应，所述车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，得到违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并将其传输至分析单元；
所述分析单元用于对违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据进行分析操作，得到偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并将其一同传输至判定单元；
所述监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元；
所述判定单元用于对实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据进行判定操作，得到拥堵信号、缓行信号、隐患信号和可行信号，并将其传输至显示屏；
所述显示屏用于显示拥堵信号、缓行信号、隐患信号和可行信号。
本发明的有益效果：
(1)通过摄像头实时采集车辆的相关信息，并自动获取影像信息，将影像信息传输至识别单元；数据库内存储有车牌数据、车主信息和违章信息，违章信息与车主信息相对应，车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，得到违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并将其传输至分析单元；分析单元接收违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并对其进行分析操作，通过识别单元对摄像头采集车辆的相关数据进行识别分析，从而确保车辆的安全性，并依据识别的驾驶员身份，提取相关驾驶数据，分析单元对驾驶数据进行数据分析，增加车辆的安全性，准确的提取出驾驶员的相关信息，增加数据提取的精确性，节省数据收集所消耗的时间。
(2)监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元，其中，最近时间点指代在监测单元监测车辆行驶的数据中，需要提取的时间段内，该车辆所处的路段数据的前面两个路段的行驶速度的时间点；判定单元接收实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并对其进行判定操作，得到拥堵信号、缓行信号、隐患信号和可行信号，并将其传输至显示屏；通过显示屏显示拥堵信号、缓行信号、隐患信号和可行信号；通过判定单元的设置，将监测单元获取的车辆近期速度与分析单元的相关数据进行数据整合分析，从而计算出车辆的行驶情况，从而预计高速的拥堵情况，增加对道路拥堵的及时预计，避免车辆堵在高速上，对车主造成不便，节省人为分析所消耗的时间，提高工作效率。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明为一种基于ETC龙门架的高速公路拥堵预测方法，该方法具体包括下述步骤：
步骤一：在高速公路的入口、出口和中途设定摄像头，通过摄像头实时采集车辆的相关信息，并自动获取影像信息，将影像信息传输至识别单元；
步骤二：数据库内存储有车牌数据、车主信息和违章信息，所述违章信息与车主信息相对应，所述车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，识别操作的具体操作过程为：
K1：获取影像信息，将其内车辆的牌照影像图片，并自动识别车牌照数据，将其标定为车牌照数据，并将车牌照数据标记为PZi，i＝1,2,3......n1，将其内驾驶员面部影像标定为驾驶员面部数据，并将驾驶员面部数据标记为JMi，i＝1,2,3......n1，将其内车辆进入高速后在每个摄像头拍摄下的时间点标定为行驶时间数据，并将行驶时间数据标定为XSi，i＝1,2,3......n1，将其内车辆进入高速后，在每个摄像头拍摄下的速度数据标定为行驶速度数据，并将行驶速度数据标定为SDi，i＝1,2,3......n1，将其内高速上的每辆车标定为车辆数据，并将车辆数据标记为CLi，i＝1,2,3......n1，将其内高速道路的长度标定为道路数据，并将道路数据标记为DLi，i＝1,2,3......n1；
K2：将车牌数据标记为CPi，i＝1,2,3......n1，将车主面部数据标记为CMI,i＝1,2,3......n1，将车主面部数据对应的车主手机号码数据标记为SHi，i＝1,2,3......n1；
K3：提取车牌数据，并将其与车牌照数据进行匹配，当匹配结果不一致时，则判定该车牌尚未存储，不进行K4中的操作，当匹配结果一致时，则判定该车牌号码存在，并自动提取车牌数据对应的车主信息；
K4：提取驾驶员面部数据，并将其与车主信息内的车主面部数据进行匹配，当匹配结果一致时，则判定该车辆的驾驶员是车主，当匹配结果不一致时，则判定该车辆的驾驶员不是车主，并自动提取车主信息内的车主手机号码数据，并向该手机号码发送验证信息，依据验证信息的结果判定该车辆的驾驶员是否安全；
K5：提取上述K4中识别到的驾驶员面部数据，将其与违章信息进行匹配，匹配的过程为：通过驾驶员的面部数据识别出驾驶员的身份信息，违章信息内存储有违章内容和违章人的身份数据，将驾驶员的身份信息与违章人的身份数据进行匹配，再提取对应的违章内容，即提取对应的违章数据；
K6：将违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据一同传输至分析单元；
步骤三：分析单元接收违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并对其进行分析操作，分析操作的具体操作过程为：
H1：获取违章数据，将其内违章的次数标定为违章次数数据，并将违章次数数据标记为WCi，i＝1,2,3......n1，将其内驾驶员的驾驶年龄标定为驾龄数据，并将驾龄数据标记为JLi，i＝1,2,3......n1，将其内违章造成影响的轻重标定为违章程度数据，并将违章程度数据标定为WZi，i＝1,2,3......n1，其中违章程度数据指代驾驶人员在开车造成事故后造成的拥堵情况，并依据情况将其分为三个等级，不造成拥堵，造成轻微拥堵和造成严重拥堵；
H2：将违章次数数据和驾龄数据一同带入到计算式：Vi＝WCi/JLi，从而得到违章频率Vi，将违章频率带入到计算式：
其中，PVi表示为违章频率的平均值，即频率均值，将违章频率与频率均值一同带入到差值计算式中，从而计算出频率差值，并对频率差值进行判定，具体为：当频率差值大于零时，则判定该驾驶人员的违章次数多，将其标定为危险驾驶员，当频率差值小于等于零时，则判定该驾驶人员的违章次数少，将其标定为安全驾驶员，其中，频率差值的计算即是违章频率减去频率均所得到的值；
H3：获取每辆车的道路数据，并将道路数据依据设定的长度预设阈值划分为若干个道路路段，并将其标定为路段数据，且提取每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据；
H4：提取上述H3中的每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据，将两个相邻的路段数据中车辆的行驶时间数据、路段距离数据和行驶速度数据一同进行数据分析，具体为：依据车辆数据，将车辆数据在道路上对应的两个行驶时间数据分别标定为XS1和XS2，将其一同带入到计算式Ti差＝XS2-XS1，其中，Ti差表示为时间差值，即车辆总共行驶的时间长短，将两个相邻的路段标定为LD1和LD2，并将其带入到差值计算式中，从而计算出两个相邻路段的总长度数据，即距离数据，将距离数据和时间差值一同带入到计算式：
其中，Si速表示为速度计算值，将行驶速度数据带入到计算式：
其中，PSDi表示为行驶速度的平均值，即速度均值，将其与速度计算值一同带入到计算式：Si速＝PSDi*u1，其中，u1表示为实际值与计算值之间的偏差影响预设因子；
H5：将偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据一同传输至判定单元；
步骤四：监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元，其中，最近时间点指代在监测单元监测车辆行驶的数据中，需要提取的时间段内，该车辆所处的路段数据的前面两个路段的行驶速度的时间点；
步骤五：判定单元接收实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并对其进行判定操作，判定操作的具体操作过程为：
G1：提取车辆数据，并对车辆数据进行标定，从而统计出车辆的数量，将其标定为车辆数；
G2：提取安全驾驶员和危险驾驶员，并对其进行识别，识别获取到安全驾驶员和危险驾驶员的数量，并将其标定为安全数量和危险数量；
G3：将安全数量和危险数量分别与车辆数带入到占比计算式：安全占比值＝安全数量/车辆数据，危险占比值＝危险数量/车辆数据，并将其分别标定为安全占比值和危险占比值；
G4：将实时速度数据与偏差影响预设因子一同带入到计算式：VCi＝u1*SSi，其中，VCi表示为实际速度均值，SSi表示为实时速度数据，将实时速度数据与实际速度均值一同进行差值计算，从而计算出判定差值，并将判定差值标记为PCi；
G5：设定一个判定差值的预设阈值M1和一个危险占比预设阈值M2，并将其与判定差值和危险占比值PE一同进行比对判定，具体为：
E1：当出现PCi＞M1，且PE＞M2时，则判定高速拥堵，生成拥堵信号；
E2：当出现PCi＞M1，且PE≤M2时，则判定车辆行驶速度小，生成缓行信号；
E3：当出现PCi≤M1，且PE＞M2时，则判定高速通畅但存在危险因素，生成隐患信号；
E4：当出现PCi≤M1，且PE≤M2时，则判定道路通畅且安全，生成可行信号；
G6：将拥堵信号、缓行信号、隐患信号和可行信号传输至显示屏；
步骤六：通过显示屏显示拥堵信号、缓行信号、隐患信号和可行信号；
一种基于ETC龙门架的高速公路拥堵预测系统，包括摄像头、识别单元、数据库、分析单元、监测单元、判定单元和显示屏；
所述摄像头用于实时采集车辆的相关信息，并自动获取影像信息，摄像头安装在高速公路的入口、出口和中途，将影像信息传输至识别单元；
所述数据库内存储有车牌数据、车主信息和违章信息，所述违章信息与车主信息相对应，所述车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，得到违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并将其传输至分析单元；
所述分析单元用于对违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据进行分析操作，得到偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并将其一同传输至判定单元；
所述监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元；
所述判定单元用于对实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据进行判定操作，得到拥堵信号、缓行信号、隐患信号和可行信号，并将其传输至显示屏；
所述显示屏用于显示拥堵信号、缓行信号、隐患信号和可行信号。
本发明在工作时，在高速公路的入口、出口和中途设定摄像头，通过摄像头实时采集车辆的相关信息，并自动获取影像信息，将影像信息传输至识别单元；数据库内存储有车牌数据、车主信息和违章信息，违章信息与车主信息相对应，车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，得到违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并将其传输至分析单元；分析单元接收违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并对其进行分析操作，得到偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并将其一同传输至判定单元；监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元，其中，最近时间点指代在监测单元监测车辆行驶的数据中，需要提取的时间段内，该车辆所处的路段数据的前面两个路段的行驶速度的时间点；判定单元接收实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并对其进行判定操作，得到拥堵信号、缓行信号、隐患信号和可行信号，并将其传输至显示屏；通过显示屏显示拥堵信号、缓行信号、隐患信号和可行信号。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (2)
1.一种基于ETC龙门架的高速公路拥堵预测方法，其特征在于，该方法具体包括下述步骤：
步骤一：在高速公路的入口、出口和中途设定摄像头，通过摄像头实时采集车辆的相关信息，并自动获取影像信息，将影像信息传输至识别单元；
步骤二：数据库内存储有车牌数据、车主信息和违章信息，所述违章信息与车主信息相对应，所述车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，得到违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并将其传输至分析单元；
步骤三：分析单元接收违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并对其进行分析操作，得到偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并将其一同传输至判定单元；
步骤四：监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元，其中，最近时间点指代在监测单元监测车辆行驶的数据中，需要提取的时间段内，该车辆所处的路段数据的前面两个路段的行驶速度的时间点；
步骤五：判定单元接收实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并对其进行判定操作，得到拥堵信号、缓行信号、隐患信号和可行信号，并将其传输至显示屏；
步骤六：通过显示屏显示拥堵信号、缓行信号、隐患信号和可行信号；
识别操作的具体操作过程为：
K1：获取影像信息，将其内车辆的牌照影像图片，并自动识别车牌照数据，将其标定为车牌照数据，并将车牌照数据标记为PZi，i＝1,2,3......n1，将其内驾驶员面部影像标定为驾驶员面部数据，并将驾驶员面部数据标记为JMi，i＝1,2,3......n1，将其内车辆进入高速后在每个摄像头拍摄下的时间点标定为行驶时间数据，并将行驶时间数据标定为XSi，i＝1,2,3......n1，将其内车辆进入高速后，在每个摄像头拍摄下的速度数据标定为行驶速度数据，并将行驶速度数据标定为SDi，i＝1,2,3......n1，将其内高速上的每辆车标定为车辆数据，并将车辆数据标记为CLi，i＝1,2,3......n1，将其内高速道路的长度标定为道路数据，并将道路数据标记为DLi，i＝1,2,3......n1；
K2：将车牌数据标记为CPi，i＝1,2,3......n1，将车主面部数据标记为CMI,i＝1,2,3......n1，将车主面部数据对应的车主手机号码数据标记为SHi，i＝1,2,3......n1；
K3：提取车牌数据，并将其与车牌照数据进行匹配，当匹配结果不一致时，则判定该车牌尚未存储，不进行K4中的操作，当匹配结果一致时，则判定该车牌号码存在，并自动提取车牌数据对应的车主信息；
K4：提取驾驶员面部数据，并将其与车主信息内的车主面部数据进行匹配，当匹配结果一致时，则判定该车辆的驾驶员是车主，当匹配结果不一致时，则判定该车辆的驾驶员不是车主，并自动提取车主信息内的车主手机号码数据，并向该手机号码发送验证信息，依据验证信息的结果判定该车辆的驾驶员是否安全；
K5：提取上述K4中识别到的驾驶员面部数据，将其与违章信息进行匹配，匹配的过程为：通过驾驶员的面部数据识别出驾驶员的身份信息，违章信息内存储有违章内容和违章人的身份数据，将驾驶员的身份信息与违章人的身份数据进行匹配，再提取对应的违章内容，即提取对应的违章数据；
分析操作的具体操作过程为：
H1：获取违章数据，将其内违章的次数标定为违章次数数据，并将违章次数数据标记为WCi，i＝1,2,3......n1，将其内驾驶员的驾驶年龄标定为驾龄数据，并将驾龄数据标记为JLi，i＝1,2,3......n1，将其内违章造成影响的轻重标定为违章程度数据，并将违章程度数据标定为WZi，i＝1,2,3......n1；
H2：将违章次数数据和驾龄数据一同带入到计算式：Vi＝WCi/JLi，从而得到违章频率Vi，将违章频率带入到计算式：
其中，PVi表示为违章频率的平均值，即频率均值，将违章频率与频率均值一同带入到差值计算式中，从而计算出频率差值，并对频率差值进行判定，具体为：当频率差值大于零时，则判定该驾驶人员的违章次数多，将其标定为危险驾驶员，当频率差值小于等于零时，则判定该驾驶人员的违章次数少，将其标定为安全驾驶员；
H3：获取每辆车的道路数据，并将道路数据依据设定的长度预设阈值划分为若干个道路路段，并将其标定为路段数据，且提取每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据；
H4：提取上述H3中的每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据，将两个相邻的路段数据中车辆的行驶时间数据、路段距离数据和行驶速度数据一同进行数据分析，具体为：依据车辆数据，将车辆数据在道路上对应的两个行驶时间数据分别标定为XS1和XS2，将其一同带入到计算式Ti差＝XS2-XS1，其中，Ti差表示为时间差值，即车辆总共行驶的时间长短，将两个相邻的路段标定为LD1和LD2，并将其带入到差值计算式中，从而计算出两个相邻路段的总长度数据，即距离数据，将距离数据和时间差值一同带入到计算式：
其中，Si速表示为速度计算值，将行驶速度数据带入到计算式：
其中，PSDi表示为行驶速度的平均值，即速度均值，将其与速度计算值一同带入到计算式：Si速＝PSDi*u1，其中，u1表示为速度均值与速度计算值之间的偏差影响预设因子；
判定操作的具体操作过程为：
G1：提取车辆数据，并对车辆数据进行标定，从而统计出车辆的数量，将其标定为车辆数；
G2：提取安全驾驶员和危险驾驶员，并对其进行识别，识别获取到安全驾驶员和危险驾驶员的数量，并将其标定为安全数量和危险数量；
G3：将安全数量和危险数量分别与车辆数带入到占比计算式：安全占比值＝安全数量/车辆数据，危险占比值＝危险数量/车辆数据，并将其分别标定为安全占比值和危险占比值；
G4：将实时速度数据与偏差影响预设因子一同带入到计算式：VCi＝u1*SSi，其中，VCi表示为实际速度均值，SSi表示为实时速度数据，将实时速度数据与实际速度均值一同进行差值计算，从而计算出判定差值，并将判定差值标记为PCi；
G5：设定一个判定差值的预设阈值M1和一个危险占比预设阈值M2，并将其与判定差值和危险占比值PE一同进行比对判定，具体为：
E1：当出现PCi＞M1，且PE＞M2时，则判定高速拥堵，生成拥堵信号；
E2：当出现PCi＞M1，且PE≤M2时，则判定车辆行驶速度小，生成缓行信号；
E3：当出现PCi≤M1，且PE＞M2时，则判定高速通畅但存在危险因素，生成隐患信号；
E4：当出现PCi≤M1，且PE≤M2时，则判定道路通畅且安全，生成可行信号。
2.一种基于ETC龙门架的高速公路拥堵预测系统，其特征在于，包括摄像头、识别单元、数据库、分析单元、监测单元、判定单元和显示屏；
所述摄像头用于实时采集车辆的相关信息，并自动获取影像信息，摄像头安装在高速公路的入口、出口和中途，将影像信息传输至识别单元；
所述数据库内存储有车牌数据、车主信息和违章信息，所述违章信息与车主信息相对应，所述车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，得到违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并将其传输至分析单元；
所述分析单元用于对违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据进行分析操作，得到偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并将其一同传输至判定单元；
所述监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元；
所述判定单元用于对实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据进行判定操作，得到拥堵信号、缓行信号、隐患信号和可行信号，并将其传输至显示屏；
所述显示屏用于显示拥堵信号、缓行信号、隐患信号和可行信号；
识别操作的具体操作过程为：
K1：获取影像信息，将其内车辆的牌照影像图片，并自动识别车牌照数据，将其标定为车牌照数据，并将车牌照数据标记为PZi，i＝1,2,3......n1，将其内驾驶员面部影像标定为驾驶员面部数据，并将驾驶员面部数据标记为JMi，i＝1,2,3......n1，将其内车辆进入高速后在每个摄像头拍摄下的时间点标定为行驶时间数据，并将行驶时间数据标定为XSi，i＝1,2,3......n1，将其内车辆进入高速后，在每个摄像头拍摄下的速度数据标定为行驶速度数据，并将行驶速度数据标定为SDi，i＝1,2,3......n1，将其内高速上的每辆车标定为车辆数据，并将车辆数据标记为CLi，i＝1,2,3......n1，将其内高速道路的长度标定为道路数据，并将道路数据标记为DLi，i＝1,2,3......n1；
K2：将车牌数据标记为CPi，i＝1,2,3......n1，将车主面部数据标记为CMI,i＝1,2,3......n1，将车主面部数据对应的车主手机号码数据标记为SHi，i＝1,2,3......n1；
K3：提取车牌数据，并将其与车牌照数据进行匹配，当匹配结果不一致时，则判定该车牌尚未存储，不进行K4中的操作，当匹配结果一致时，则判定该车牌号码存在，并自动提取车牌数据对应的车主信息；
K4：提取驾驶员面部数据，并将其与车主信息内的车主面部数据进行匹配，当匹配结果一致时，则判定该车辆的驾驶员是车主，当匹配结果不一致时，则判定该车辆的驾驶员不是车主，并自动提取车主信息内的车主手机号码数据，并向该手机号码发送验证信息，依据验证信息的结果判定该车辆的驾驶员是否安全；
K5：提取上述K4中识别到的驾驶员面部数据，将其与违章信息进行匹配，匹配的过程为：通过驾驶员的面部数据识别出驾驶员的身份信息，违章信息内存储有违章内容和违章人的身份数据，将驾驶员的身份信息与违章人的身份数据进行匹配，再提取对应的违章内容，即提取对应的违章数据；
分析操作的具体操作过程为：
H1：获取违章数据，将其内违章的次数标定为违章次数数据，并将违章次数数据标记为WCi，i＝1,2,3......n1，将其内驾驶员的驾驶年龄标定为驾龄数据，并将驾龄数据标记为JLi，i＝1,2,3......n1，将其内违章造成影响的轻重标定为违章程度数据，并将违章程度数据标定为WZi，i＝1,2,3......n1；
H2：将违章次数数据和驾龄数据一同带入到计算式：Vi＝WCi/JLi，从而得到违章频率Vi，将违章频率带入到计算式：
其中，PVi表示为违章频率的平均值，即频率均值，将违章频率与频率均值一同带入到差值计算式中，从而计算出频率差值，并对频率差值进行判定，具体为：当频率差值大于零时，则判定该驾驶人员的违章次数多，将其标定为危险驾驶员，当频率差值小于等于零时，则判定该驾驶人员的违章次数少，将其标定为安全驾驶员；
H3：获取每辆车的道路数据，并将道路数据依据设定的长度预设阈值划分为若干个道路路段，并将其标定为路段数据，且提取每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据；
H4：提取上述H3中的每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据，将两个相邻的路段数据中车辆的行驶时间数据、路段距离数据和行驶速度数据一同进行数据分析，具体为：依据车辆数据，将车辆数据在道路上对应的两个行驶时间数据分别标定为XS1和XS2，将其一同带入到计算式Ti差＝XS2-XS1，其中，Ti差表示为时间差值，即车辆总共行驶的时间长短，将两个相邻的路段标定为LD1和LD2，并将其带入到差值计算式中，从而计算出两个相邻路段的总长度数据，即距离数据，将距离数据和时间差值一同带入到计算式：
其中，Si速表示为速度计算值，将行驶速度数据带入到计算式：
其中，PSDi表示为行驶速度的平均值，即速度均值，将其与速度计算值一同带入到计算式：Si速＝PSDi*u1，其中，u1表示为速度均值与速度计算值之间的偏差影响预设因子；
判定操作的具体操作过程为：
G1：提取车辆数据，并对车辆数据进行标定，从而统计出车辆的数量，将其标定为车辆数；
G2：提取安全驾驶员和危险驾驶员，并对其进行识别，识别获取到安全驾驶员和危险驾驶员的数量，并将其标定为安全数量和危险数量；
G3：将安全数量和危险数量分别与车辆数带入到占比计算式：安全占比值＝安全数量/车辆数据，危险占比值＝危险数量/车辆数据，并将其分别标定为安全占比值和危险占比值；
G4：将实时速度数据与偏差影响预设因子一同带入到计算式：VCi＝u1*SSi，其中，VCi表示为实际速度均值，SSi表示为实时速度数据，将实时速度数据与实际速度均值一同进行差值计算，从而计算出判定差值，并将判定差值标记为PCi；
G5：设定一个判定差值的预设阈值M1和一个危险占比预设阈值M2，并将其与判定差值和危险占比值PE一同进行比对判定，具体为：
E1：当出现PCi＞M1，且PE＞M2时，则判定高速拥堵，生成拥堵信号；
E2：当出现PCi＞M1，且PE≤M2时，则判定车辆行驶速度小，生成缓行信号；
E3：当出现PCi≤M1，且PE＞M2时，则判定高速通畅但存在危险因素，生成隐患信号；
E4：当出现PCi≤M1，且PE≤M2时，则判定道路通畅且安全，生成可行信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010746089.1A CN111798579B (zh) | 2020-07-29 | 2020-07-29 | 一种基于etc龙门架的高速公路拥堵预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010746089.1A CN111798579B (zh) | 2020-07-29 | 2020-07-29 | 一种基于etc龙门架的高速公路拥堵预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111798579A CN111798579A (zh) | 2020-10-20 |
| CN111798579B true CN111798579B (zh) | 2021-07-23 |
Family
ID=72827419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010746089.1A Active CN111798579B (zh) | 2020-07-29 | 2020-07-29 | 一种基于etc龙门架的高速公路拥堵预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111798579B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112669596B (zh) * | 2020-12-14 | 2023-01-24 | 长春汽车工业高等专科学校 | 一种基于大数据的交通安全态势判别系统及方法 |
| CN114023082A (zh) * | 2021-12-23 | 2022-02-08 | 上海海事大学 | 一种车辆速度显示方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107564313A (zh) * | 2017-08-16 | 2018-01-09 | 齐鲁交通信息有限公司 | 高速公路交通拥堵预告系统及预告方法 |
| CN109740840A (zh) * | 2018-11-23 | 2019-05-10 | 深圳市大东车慧科技股份有限公司 | 一种基于人、车、路和环境的多元分析驾驶风险评估系统 |
| CN109887283A (zh) * | 2019-03-07 | 2019-06-14 | 东莞数汇大数据有限公司 | 一种基于卡口数据的道路拥堵预测方法、系统及装置 |
| CN110648532A (zh) * | 2019-09-22 | 2020-01-03 | 江苏顺泰交通集团有限公司 | 一种基于智慧交通物联网的交通监测系统 |
| CN110675629A (zh) * | 2019-10-08 | 2020-01-10 | 苏交科集团股份有限公司 | 一种基于大数据的高速公路拥堵预测与主动防控方法 |
-
2020
- 2020-07-29 CN CN202010746089.1A patent/CN111798579B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107564313A (zh) * | 2017-08-16 | 2018-01-09 | 齐鲁交通信息有限公司 | 高速公路交通拥堵预告系统及预告方法 |
| CN109740840A (zh) * | 2018-11-23 | 2019-05-10 | 深圳市大东车慧科技股份有限公司 | 一种基于人、车、路和环境的多元分析驾驶风险评估系统 |
| CN109887283A (zh) * | 2019-03-07 | 2019-06-14 | 东莞数汇大数据有限公司 | 一种基于卡口数据的道路拥堵预测方法、系统及装置 |
| CN110648532A (zh) * | 2019-09-22 | 2020-01-03 | 江苏顺泰交通集团有限公司 | 一种基于智慧交通物联网的交通监测系统 |
| CN110675629A (zh) * | 2019-10-08 | 2020-01-10 | 苏交科集团股份有限公司 | 一种基于大数据的高速公路拥堵预测与主动防控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111798579A (zh) | 2020-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107742432B (zh) | 基于车路协同的高速公路运行车速主动预警系统及控制方法 | |
| CN112071061B (zh) | 基于云计算和数据分析的车辆服务系统 | |
| CN110085042B (zh) | 一种基于信息融合的车辆驾驶预警系统及方法 | |
| CN110796752B (zh) | 一种收费站车道动态智慧指引系统及其动态指引方法 | |
| CN111325978B (zh) | 一种高速公路车辆异常行为的全程监测警示系统和方法 | |
| CN107945556A (zh) | 一种快速道路不良天气下的动态限速优化控制方法 | |
| CN111798579B (zh) | 一种基于etc龙门架的高速公路拥堵预测方法及系统 | |
| CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
| CN111383465B (zh) | 一种基于车联网的高速公路危险预警及速度控制系统 | |
| CN109191861B (zh) | 一种基于视频检测器的高速公路逃费车辆异常行为检测系统及方法 | |
| CN207517194U (zh) | 基于车路协同的高速公路运行车速主动预警系统 | |
| CN113112830B (zh) | 基于激光雷达和轨迹预测的信控交叉口清空方法和系统 | |
| CN115331401B (zh) | 一种高速公路长距离隧道车辆行驶安全智能分析预警系统 | |
| CN106448223B (zh) | 一种雾霾自动适应的高速公路行车车速预警装置及方法 | |
| CN116246229B (zh) | 一种基于车联网的骑行状态监控系统及方法 | |
| CN107564336B (zh) | 一种信号交叉口左转冲突预警系统及预警方法 | |
| CN211237114U (zh) | 一种交通智能诱导系统 | |
| CN113928333B (zh) | 基于辅助驾驶的降能耗方法及系统 | |
| CN1607558A (zh) | 高速公路区间信号管理系统 | |
| CN111724492B (zh) | 一种高速公路etc智能自动引导收费系统 | |
| CN110555999B (zh) | 一种基于缓冲区的通过道路关卡的车辆辅助检测方法 | |
| CN114375005B (zh) | 一种基于5g天线的车路通信测试系统 | |
| CN113470217B (zh) | 一种基于单目摄像机的车辆轨迹提取与分析系统 | |
| JP7276276B2 (ja) | 危険運転検出装置、危険運転検出システム、及び危険運転検出プログラム | |
| CN118470977B (zh) | 人机混驾环境下的交通安全预警系统和交通安全预警方法 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Xie Fei Inventor after: Li Suping Inventor before: Li Suping |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210701 Address after: 550000 room 5, 9th floor, 229-235 Huaxi Avenue, Nanming District, Guiyang City, Guizhou Province [riverside office] Applicant after: Guizhou huiunicom E-commerce Service Co.,Ltd. Address before: 518000 818, building 4, Hongfa realm garden, Haiwang community, Xin'an street, Bao'an District, Shenzhen City, Guangdong Province Applicant before: Shenzhen yuhuafa Electronic Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |