CN113152328A - 一种用于边缘计算计费的门架及使用该门架的边缘计算的门架计费方法 - Google Patents
一种用于边缘计算计费的门架及使用该门架的边缘计算的门架计费方法 Download PDFInfo
- Publication number
- CN113152328A CN113152328A CN202011565866.9A CN202011565866A CN113152328A CN 113152328 A CN113152328 A CN 113152328A CN 202011565866 A CN202011565866 A CN 202011565866A CN 113152328 A CN113152328 A CN 113152328A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- portal
- identification
- billing
- edge calculation
- 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.)
- Pending
Links
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01F—ADDITIONAL WORK, SUCH AS EQUIPPING ROADS OR THE CONSTRUCTION OF PLATFORMS, HELICOPTER LANDING STAGES, SIGNS, SNOW FENCES, OR THE LIKE
- E01F9/00—Arrangement of road signs or traffic signals; Arrangements for enforcing caution
- E01F9/60—Upright bodies, e.g. marker posts or bollards; Supports for road signs
- E01F9/696—Overhead structures, e.g. gantries; Foundation means specially adapted therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Architecture (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种用于边缘计算计费的门架及使用该门架的边缘计算的门架计费方法,包括第一支撑柱和第二支撑柱,在第一支撑柱和第二支撑柱之间设有一横梁,在横梁上设有一检修安装平台,所述检修安装平台包括沿检修安装平台长度方向设置的U形护板,在U形护板的下底板上设有若干固连杆,在固连杆的端部设有一支撑架,在支撑架的端部设有监测单元,所述监测单元与设置在U形护板内的门架工控机信号相连。本申请公开的U形护板本身也适用于盛放较多的结构单元,因此可以将边缘计算的组件设置在U形护板内,而且也利于维修和操作,为边缘计算门架的检修提供便利,而且不影响正常的道路通行。
Description
技术领域
本申请涉及一种用于边缘计算计费的门架及使用该门架的边缘计算的门架计费方法。
背景技术
边缘计算,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。在国内高速公路由端对端性质的收费改为了门架计费之后,如何更好的进行车辆费用的核算成为了研究焦点,只是简单的在门架前端设置工控机进行监测显然无法满足要求。
发明内容
为了解决上述问题,本申请一方面公开了一种用于边缘计算计费的门架,包括第一支撑柱和第二支撑柱,在第一支撑柱和第二支撑柱之间设有一横梁,在横梁上设有一检修安装平台,所述检修安装平台包括沿检修安装平台长度方向设置的U形护板,在U形护板的下底板上设有若干固连杆,在固连杆的端部设有一支撑架,在支撑架的端部设有监测单元,所述监测单元与设置在U形护板内的门架工控机信号相连。本申请公开的U形护板本身也适用于盛放较多的结构单元,因此可以将边缘计算的组件设置在U形护板内,而且也利于维修和操作,为边缘计算门架的检修提供便利,而且不影响正常的道路通行。
优选的,所述固连杆的底部与U形护板的底部固连设置,所述固连杆伸出 U形护板并设置有内连接板,所述支撑架上设有与内连接板固结设置的外连接板。
优选的,在U形护板上设有与内连接板配合设有的插接板,所述插接板的下方设有用于容纳内连接板的凹槽。
优选的,在第一支撑柱或第二支撑柱的侧部设有一立向爬梯,在U形护板远离立向爬梯的一侧设有一安全挡板。
另一方面,本申请还公开了一种基于边缘计算的门架计费方法,包括如下步骤:
通过监测单元获取车辆信息;
将车辆信息传输给门架工控机;
门架工控机进行车辆信息的分析和汇总;
门架工控机通过车辆信息查询车辆流水临时表,若查询到,则更新该车辆信息,若查询不到,则将所述车辆信息插入到车辆流水临时表内。本申请通过门架工况机从监测单元获取信息之后,首先是对于车厢进行进行分析和汇总,并且从云端获取车辆流水临时表来得到其移动路径,在无法获得时,则可以随时进行路径的补充。
优选的,所述车辆信息分析和汇总包括汇总时间、门架HEX码、门架编号、总交通量、总计费金额、分车型交通量、分车型计费金额、分轴数交通量、分轴数计费金额、货车分重量交通量、计费金额的分析和汇总;所述汇总时间间隔不低于5分钟。
优选的,车辆信息和分析和汇总之后形成匹配记录,所述匹配记录包括门架HEX码、门架编号、交易车牌、识别车牌、计费车型、抓拍时间、交易时间、匹配标识、特情信息、抓拍信息;所述抓拍信息包括车头照片和车尾照片。
优选的,所述监测单元按照如下方法得到车辆信息:
通过监视摄像头获取含有目标车辆的图像帧;
对图像帧进行车辆重识别模型的识别:从图像帧中利用车辆重识别模型进行车辆识别得到第一识别域;
对图像帧进行多维特征模型的识别:从图像帧中利用多维特征模型获取车辆的多维特征,并且对多维特征进行编码,基于编码之后的多维特征进行匹配得到第二识别域;
求得第一识别域和第二识别域的交集得到目标车辆。本申请采用重识别模型以及多维特征模型结合的方式,可以提高识别准确率,且能得到货车不同装载条件下,不同的载货量,因此可以提高整体识别的准确率,也能适用不同载货量的大型货车在门架计费系统中进行计费操作。
优选的,还包括用于训练车辆重识别模型的训练集,所述车辆重识别训练集为三元组形式,所述三元组形式为每对训练数据包括两张不同监视摄像头拍摄的相同的车辆图像和一张与之不同的车辆图像;所述车辆重识别模型的采用三元损失函数和梯度下降算法在车辆重识别训练集上计算梯度并更新网络参数,并利用测试集进行测试以选取识别准确率超过重识别阈值的模型,以得到最终的车辆重识别模型。
优选的,所述多维特征识别模型按照如下步骤训练得到:从获得的图像帧中建立车辆数据集,所述车辆数据集包括车辆图像和车辆真实信息;
按照车辆特征构建多维特征训练集和多维特征测试集;
所述多维特征识别模型主干网络采用Resnet101网络,作为基础特征提取网络,并加入注意力机制,基础特征提取网络作为其他的属性识别分支的起点,通过神经网络结构搜索技术构建的多分支车辆多属性识别网络,一次识别车辆的多维特征;对待识别车辆利用多维特征识别模型获得的多维特征按照hash 方式进行编码,得到待识别车辆的车辆结构化特征向量;
还包括一待识别数据库,所述待识别数据库包括目标车辆经过hash编码得到的目标车辆的车辆结构化特征向量;
计算待识别车辆的车辆结构化特征向量以及目标车辆的车辆结构化特征向量的余弦相似度,根据余弦相似度的大小排序得到最相似的若干识别结果形成第二识别域。
本申请能够带来如下有益效果:
1、本申请公开的U形护板本身也适用于盛放较多的结构单元,因此可以将边缘计算的组件设置在U形护板内,而且也利于维修和操作,为边缘计算门架的检修提供便利,而且不影响正常的道路通行;
2、本申请通过门架工况机从监测单元获取信息之后,首先是对于车厢进行进行分析和汇总,并且从云端获取车辆流水临时表来得到其移动路径,在无法获得时,则可以随时进行路径的补充;
3、本申请采用重识别模型以及多维特征模型结合的方式,可以提高识别准确率,且能得到货车不同装载条件下,不同的载货量,因此可以提高整体识别的准确率,也能适用不同载货量的大型货车在门架计费系统中进行计费操作。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为门架的示意图;
图2为U形护板部分的示意图;
图3为第二个实施例的示意图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本申请进行详细阐述。
在第一个实施例中,如图1-2所示,一种用于边缘计算计费的门架,包括第一支撑柱1和第二支撑柱2,在第一支撑柱1和第二支撑柱2之间设有一横梁3,在横梁3上设有一检修安装平台,所述检修安装平台包括沿检修安装平台长度方向设置的U形护板4,在U形护板4的下底板上设有若干固连杆5,在固连杆5的端部设有一支撑架6,在支撑架6的端部设有监测单元7,所述监测单元7与设置在U形护板4内的门架工控机8信号相连。所述固连杆5 的底部与U形护板4的底部固连设置,所述固连杆5伸出U形护板4并设置有内连接板9,所述支撑架6上设有与内连接板9固结设置的外连接板10。在 U形护板4上设有与内连接板9配合设有的插接板11,所述插接板11的下方设有用于容纳内连接板9的凹槽。在第一支撑柱1或第二支撑柱2的侧部设有一立向爬梯12,在U形护板4远离立向爬梯的一侧设有一安全挡板13。.
使用时,将门架工控机置于U形护板4内,将监测单元7(一般是摄像头,也可以是其他物联网监测组件)置于支撑架6上,然后将门架工控机与控制中心进行信号连通即可,在需要检修以及调控时,则从立向爬梯12进入到U形护板4之内即可。
在第二个实施例中,一种基于边缘计算的门架计费方法包括如下步骤:
S201.通过监测单元获取车辆信息;
所述监测单元按照如下方法得到车辆信息:通过监视摄像头获取含有目标车辆的图像帧;对图像帧进行车辆重识别模型的识别:从图像帧中利用车辆重识别模型进行车辆识别得到第一识别域;对图像帧进行多维特征模型的识别:从图像帧中利用多维特征模型获取车辆的多维特征,并且对多维特征进行编码,基于编码之后的多维特征进行匹配得到第二识别域;求得第一识别域和第二识别域的交集得到目标车辆。
还包括用于训练车辆重识别模型的训练集,所述车辆重识别训练集为三元组形式,所述三元组形式为每对训练数据包括两张不同监视摄像头拍摄的相同的车辆图像和一张与之不同的车辆图像;所述车辆重识别模型的采用三元损失函数和梯度下降算法在车辆重识别训练集上计算梯度并更新网络参数,并利用测试集进行测试以选取识别准确率超过重识别阈值的模型,以得到最终的车辆重识别模型。
所述多维特征识别模型按照如下步骤训练得到:从获得的图像帧中建立车辆数据集,所述车辆数据集包括车辆图像和车辆真实信息;按照车辆特征构建多维特征训练集和多维特征测试集;所述多维特征识别模型主干网络采用Resnet101网络,作为基础特征提取网络,并加入注意力机制,基础特征提取网络作为其他的属性识别分支的起点,通过神经网络结构搜索技术构建的多分支车辆多属性识别网络,一次识别车辆的多维特征;对待识别车辆利用多维特征识别模型获得的多维特征按照hash方式进行编码,得到待识别车辆的车辆结构化特征向量;还包括一待识别数据库,所述待识别数据库包括目标车辆经过hash编码得到的目标车辆的车辆结构化特征向量;计算待识别车辆的车辆结构化特征向量以及目标车辆的车辆结构化特征向量的余弦相似度,根据余弦相似度的大小排序得到最相似的若干识别结果形成第二识别域。
S202.将车辆信息传输给门架工控机;
S203.门架工控机进行车辆信息的分析和汇总;
所述车辆信息分析和汇总包括汇总时间、门架HEX码、门架编号、总交通量、总计费金额、分车型交通量、分车型计费金额、分轴数交通量、分轴数计费金额、货车分重量交通量、计费金额的分析和汇总;所述汇总时间间隔不低于5分钟。车辆信息和分析和汇总之后形成匹配记录,所述匹配记录包括门架HEX码、门架编号、交易车牌、识别车牌、计费车型、抓拍时间、交易时间、匹配标识、特情信息、抓拍信息;所述抓拍信息包括车头照片和车尾照片。
S204.门架工控机通过车辆信息查询车辆流水临时表,若查询到,则更新该车辆信息,若查询不到,则将所述车辆信息插入到车辆流水临时表内。
车辆流水临时表存储在控制中心,控制中心作为连接和控制各个门架工控机的联系核心。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种用于边缘计算计费的门架,其特征在于:包括第一支撑柱和第二支撑柱,在第一支撑柱和第二支撑柱之间设有一横梁,在横梁上设有一检修安装平台,所述检修安装平台包括沿检修安装平台长度方向设置的U形护板,在U形护板的下底板上设有若干固连杆,在固连杆的端部设有一支撑架,在支撑架的端部设有监测单元,所述监测单元与设置在U形护板内的门架工控机信号相连。
2.根据权利要求1所述的一种用于边缘计算计费的门架,其特征在于:所述固连杆的底部与U形护板的底部固连设置,所述固连杆伸出U形护板并设置有内连接板,所述支撑架上设有与内连接板固结设置的外连接板。
3.根据权利要求2所述的一种用于边缘计算计费的门架,其特征在于:在U形护板上设有与内连接板配合设有的插接板,所述插接板的下方设有用于容纳内连接板的凹槽。
4.根据权利要求1所述的一种用于边缘计算计费的门架,其特征在于:在第一支撑柱或第二支撑柱的侧部设有一立向爬梯,在U形护板远离立向爬梯的一侧设有一安全挡板。
5.一种用权利要求1-4任一所述门架的基于边缘计算的门架计费方法,其特征在于:包括如下步骤:
通过监测单元获取车辆信息;
将车辆信息传输给门架工控机;
门架工控机进行车辆信息的分析和汇总;
门架工控机通过车辆信息查询车辆流水临时表,若查询到,则更新该车辆信息,若查询不到,则将所述车辆信息插入到车辆流水临时表内。
6.根据权利要求5所述的一种基于边缘计算的门架计费方法,其特征在于:所述车辆信息分析和汇总包括汇总时间、门架HEX码、门架编号、总交通量、总计费金额、分车型交通量、分车型计费金额、分轴数交通量、分轴数计费金额、货车分重量交通量、计费金额的分析和汇总;所述汇总时间间隔不低于5分钟。
7.根据权利要求6所述的一种基于边缘计算的门架计费方法,其特征在于:车辆信息和分析和汇总之后形成匹配记录,所述匹配记录包括门架HEX码、门架编号、交易车牌、识别车牌、计费车型、抓拍时间、交易时间、匹配标识、特情信息、抓拍信息;所述抓拍信息包括车头照片和车尾照片。
8.根据权利要求5所述的一种基于边缘计算的门架计费方法,其特征在于:所述监测单元按照如下方法得到车辆信息:
通过监视摄像头获取含有目标车辆的图像帧;
对图像帧进行车辆重识别模型的识别:从图像帧中利用车辆重识别模型进行车辆识别得到第一识别域;
对图像帧进行多维特征模型的识别:从图像帧中利用多维特征模型获取车辆的多维特征,并且对多维特征进行编码,基于编码之后的多维特征进行匹配得到第二识别域;
求得第一识别域和第二识别域的交集得到目标车辆。
9.根据权利要求8所述的一种基于边缘计算的门架计费方法,其特征在于:还包括用于训练车辆重识别模型的训练集,所述车辆重识别训练集为三元组形式,所述三元组形式为每对训练数据包括两张不同监视摄像头拍摄的相同的车辆图像和一张与之不同的车辆图像;所述车辆重识别模型的采用三元损失函数和梯度下降算法在车辆重识别训练集上计算梯度并更新网络参数,并利用测试集进行测试以选取识别准确率超过重识别阈值的模型,以得到最终的车辆重识别模型。
10.根据权利要求8所述的一种基于边缘计算的门架计费方法,其特征在于:所述多维特征识别模型按照如下步骤训练得到:从获得的图像帧中建立车辆数据集,所述车辆数据集包括车辆图像和车辆真实信息;
按照车辆特征构建多维特征训练集和多维特征测试集;
所述多维特征识别模型主干网络采用Resnet101网络,作为基础特征提取网络,并加入注意力机制,基础特征提取网络作为其他的属性识别分支的起点,通过神经网络结构搜索技术构建的多分支车辆多属性识别网络,一次识别车辆的多维特征;对待识别车辆利用多维特征识别模型获得的多维特征按照hash方式进行编码,得到待识别车辆的车辆结构化特征向量;
还包括一待识别数据库,所述待识别数据库包括目标车辆经过hash编码得到的目标车辆的车辆结构化特征向量;
计算待识别车辆的车辆结构化特征向量以及目标车辆的车辆结构化特征向量的余弦相似度,根据余弦相似度的大小排序得到最相似的若干识别结果形成第二识别域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565866.9A CN113152328A (zh) | 2020-12-25 | 2020-12-25 | 一种用于边缘计算计费的门架及使用该门架的边缘计算的门架计费方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565866.9A CN113152328A (zh) | 2020-12-25 | 2020-12-25 | 一种用于边缘计算计费的门架及使用该门架的边缘计算的门架计费方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113152328A true CN113152328A (zh) | 2021-07-23 |
Family
ID=76878057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011565866.9A Pending CN113152328A (zh) | 2020-12-25 | 2020-12-25 | 一种用于边缘计算计费的门架及使用该门架的边缘计算的门架计费方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113152328A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170695A (zh) * | 2021-11-16 | 2022-03-11 | 山东高速股份有限公司 | 基于车辆全息感知与obu信息融合的智慧收费系统 |
-
2020
- 2020-12-25 CN CN202011565866.9A patent/CN113152328A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170695A (zh) * | 2021-11-16 | 2022-03-11 | 山东高速股份有限公司 | 基于车辆全息感知与obu信息融合的智慧收费系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784162B (zh) | 一种行人行为识别及轨迹跟踪方法 | |
CN110751828B (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
CN112750150A (zh) | 基于车辆检测和多目标跟踪的车流量统计方法 | |
CN110517500B (zh) | 一种人车关联处理方法及装置 | |
CN112487905B (zh) | 一种车辆周边行人危险等级预测方法及系统 | |
CN108053653A (zh) | 基于lstm的车辆行为预测方法和装置 | |
CN114076631A (zh) | 超载车辆识别方法、系统及设备 | |
CN104318327A (zh) | 一种车辆轨迹预测分析方法 | |
CN111160270A (zh) | 一种基于智能视频识别的桥梁监测方法 | |
CN116168356B (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN111723854A (zh) | 一种高速公路交通拥堵检测方法、设备及可读存储介质 | |
CN113152328A (zh) | 一种用于边缘计算计费的门架及使用该门架的边缘计算的门架计费方法 | |
CN112883936A (zh) | 一种对车辆违规行为的检测方法及其系统 | |
CN114822029A (zh) | 桥面车流荷载时空分布重构方法、系统及装置 | |
CN113033443B (zh) | 一种基于无人机的行人过街设施全路网自动化排查方法 | |
CN113378646A (zh) | 一种货运列车信息识别系统及识别方法 | |
CN214497275U (zh) | 一种用于边缘计算计费的门架 | |
CN116448224A (zh) | 基于视觉应变监测的桥梁动态称重与分级报警方法 | |
CN117391894A (zh) | 一种巡逻机器人协同违章取证方法、系统及介质 | |
CN106021547B (zh) | 基于车联网的客户车辆保养流失识别分析方法及系统 | |
CN112164229A (zh) | 基于车辆多维特征的车型识别匹配系统和方法 | |
CN114119256A (zh) | 一种ubi危险化学品车辆驾驶行为采集分析系统及保费折扣方法 | |
CN113962331A (zh) | 一种etc门架系统故障原因识别方法及系统 | |
CN113436356A (zh) | 一种车辆轨迹还原方法、高速通行费确定方法及装置 | |
CN111489556A (zh) | 一种营运车辆挂靠行为的判断方法 |
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 |