CN114067560B - 高速公路疫情防控无感式人员检测及车辆轨迹追踪系统 - Google Patents
高速公路疫情防控无感式人员检测及车辆轨迹追踪系统 Download PDFInfo
- Publication number
- CN114067560B CN114067560B CN202111159116.6A CN202111159116A CN114067560B CN 114067560 B CN114067560 B CN 114067560B CN 202111159116 A CN202111159116 A CN 202111159116A CN 114067560 B CN114067560 B CN 114067560B
- Authority
- CN
- China
- Prior art keywords
- service area
- vehicle
- personnel
- epidemic situation
- epidemic
- 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
- G08G1/01—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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Abstract
本发明提供了一种高速公路疫情防控无感式人员检测及车辆轨迹追踪系统,包括疫情大数据子系统、车辆轨迹追踪子系统、服务区管理子系统、疫情防控策略自动研判子系统及服务区上游车辆诱导调度子系统。本发明能够实现在线对服务区内人员进行无感式体温检测及口罩佩戴检测等人员监控功能,以及基于ETC运行大数据或基于车路协同技术的实时性优势进行有效的车辆轨迹追踪,从而提高高速公路疫情预警及防控效果,提升疫情防控日常监控能力以及突发公共卫生事件的应急响应能力。
Description
技术领域
本发明涉及智能交通、车路协同技术领域,具体而言,涉及一种高速公路疫情防控无感式人员检测及车辆轨迹追踪系统。
背景技术
突发公共卫生事件给高速公路交通管控工作带来新任务、新挑战。高速公路交通流量大、服务区人流密集,突发公共卫生事件的防控形势更加复杂,是交通运输疫情防控的重中之重。因此,亟需通过信息化基础设施和信息资源的逐步整合,智慧化管理决策机制的逐步创建,为高速公路路段及服务区提供人性化、便捷化、综合化、智慧化的疫情防控服务,为疫情防控常态化管理提供科学决策和应急指挥调度的信息化支撑。
对于交通运输领域疫情防控,现有措施通常为通过通行码、手机信令、车牌识别等方式进行人员、车辆的轨迹追踪,对服务区内的疫情防控常采用离线式近距离红外传感器,在出入口、走廊等位置布设,并配备专人管理。
然而,上述车辆轨迹追踪以及人员测温方案,需要配置大量检查站以及检测人员,且车牌识别系统无法全国联网,其他城市车辆驶入时无法及时获取其轨迹,导致疫情预警及防控效果不佳。
发明内容
本发明解决的问题是现有疫情防控方案针对车辆轨迹追踪以及人员测温,存在疫情预警及防控效果不佳的问题。
为解决上述问题,本发明提供一种高速公路疫情防控无感式人员检测及车辆轨迹追踪系统,包括:疫情大数据子系统、车辆轨迹追踪子系统、服务区管理子系统、疫情防控策略自动研判子系统及服务区上游车辆诱导调度子系统;所述疫情大数据子系统,用于获取疫情信息;所述疫情信息包括以下至少一项:疫情实时数据、疫情地图信息、疫情趋势信息;所述车辆轨迹追踪子系统,用于基于ETC数据或基于车路协同进行车辆识别及行驶轨迹获取,以及将行驶轨迹与所述疫情信息比对确定车辆是否来自疫区;所述服务区管理子系统,与无感式在线预警体温检测及口罩识别人员检测设备连接,用于检测人员体温、人员口罩佩戴情况、人员数量、人员密度、车辆数量及预警;所述疫情防控策略自动研判子系统,用于根据服务区所在高速公路路段的“与疫情区域距离和关联度”、“应急保障通道重要度和优先级”、“交通量和事故数”确定服务区疫情管控级别;所述服务区上游车辆诱导调度子系统,用于在本服务区关闭时根据本服务区上游路段车流量、拟驶入本服务区的车辆数量、下游相邻多个服务区的最大车位数容量、各服务区之间的距离,结合行驶路径成本、交通流拥堵成本,生成上游路段计划驶入本服务区车辆的调度方案。
可选地,所述车辆轨迹追踪子系统包括基于ETC数据的车辆行驶轨迹追踪模块以及基于车路协同的车辆识别及行驶轨迹获取模块;所述基于ETC数据的车辆行驶轨迹追踪模块,用于获取车辆信息、根据车辆的路径信息匹配ETC收费站车道数据确定车辆路径信息、根据所述车辆路径信息与所述疫情大数据子系统的疫情信息匹配确定车辆是否来自疫区以及发出疫区车辆预警;所述车辆信息包括以下至少一项:车载单元的物理地址、数据帧标识类型、设备发行商、车牌信息、路径信息;所述基于车路协同的车辆识别及行驶轨迹获取模块,用于基于车辆视频流识别车牌信息、基于车路协同技术获取车辆实时位置信息以及将服务区疫情管控指令下发至车辆。
可选地,所述服务区管理子系统包括服务区人员监控模块、服务区车辆监控模块以及服务区疫情防控指令发布模块;所述服务区人员监控模块,用于服务区内各区域人员流动数量及密度统计、人员口罩佩戴情况检测结果统计、人员体温检测结果统计;若区域内人员密度超标、人员未佩戴口罩、人员体温异常则进行预警;所述服务区车辆监控模块,用于根据服务区智能路侧设备获取出入口车辆统计数量、计算当前服务区停放车辆数量,并结合服务区车位设计容量,对服务区服务能力进行调节;所述服务区疫情防控指令发布模块,用于根据服务区疫情管控级别,对服务区进行分级管理,向上游车辆下发服务区疫情管控指令。
可选地,所述与疫情区域距离和关联度包括:与疫情区域的空间距离、进出车流量、区域疫情等级;所述应急保障通道重要度和优先级包括:应急通道数、应急优先级;所述交通量和事故数包括:总交通量、总事故数;所述疫情防控策略自动研判子系统,用于确定“与疫情区域距离和关联度”、“应急保障通道重要度和优先级”、“交通量和事故数”的指标量值、值域范围、权重及综合评分,进而确定服务区疫情管控级别。
可选地,所述服务区上游车辆诱导调度子系统,具体用于采用模拟退火算法生成上游路段计划驶入本服务区的车辆调度方案,包括:生成初始解,所述初始解为原计划车辆停靠服务区方案;计算目标函数,所述目标函数为调整成本、车辆数量超出限制数量成本、行驶路径成本及交通流成本之和;进行邻域变换得到新解;计算所述新解对应的目标函数以替换所述新解,直至循环达到内循环次数;若得到新解对应的目标函数小于所述初始解对应的目标函数,则获得好解,否则获得差解;重复邻域变换步骤及目标函数计算步骤直至温度小于终止温度,输出当前解为最终解。
可选地,所述调整成本为所有车辆改变服务区的数量总和与对应系数的乘积;所述车辆数量超出限制数量成本为超出容量车辆数与对应系数的乘积;所述行驶路径成本为所有车辆的行驶距离与对应系数的乘积;所述交通流成本为车道车辆数的二次幂与对应系数的乘积。
可选地,所述目标函数的计算公式如下:
可选地,所述服务区管理子系统还包括服务区抗疫物资模块;所述服务区防疫物资模块用于获取服务区内抗疫物资数量。
可选地,还包括显示子系统;所述显示子系统,用于显示疫情信息、车辆行驶轨迹、服务区可视化模型、人员及车辆监测视频。
可选地,还包括告警子系统;所述告警子系统,用于发出告警信息;所述告警信息包括以下至少一项:服务区出现高热人员、服务区出现未佩戴口罩人员、单个区域人员密度超标、车辆来自危险区域、车辆途径危险地区、服务区总人员密度超标、服务区车辆数超限。
本发明实施例提供的高速公路疫情防控无感式人员检测及车辆轨迹追踪系统,能够实现在线对服务区内人员进行无感式体温检测及口罩佩戴检测等人员监控功能,以及基于ETC运行大数据或基于车路协同技术的实时性优势进行有效的车辆轨迹追踪,从而提高高速公路疫情预警及防控效果,提升疫情防控日常监控能力以及突发公共卫生事件的应急响应能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据提供的附图获得其他的附图。
图1为本发明的一个实施例中高速公路疫情防控无感式人员检测及车辆轨迹追踪系统的整体架构示意图;
图2为本发明的一个实施例中量化评估服务区疫情管控级别的逻辑示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供了一种高速公路疫情防控无感式人员检测及车辆轨迹追踪系统,包括:疫情大数据子系统、车辆轨迹追踪子系统、服务区管理子系统、疫情防控策略自动研判子系统及服务区上游车辆诱导调度子系统。
参见图1所示的高速公路疫情防控无感式人员检测及车辆轨迹追踪系统的整体架构示意图,可以采用云平台的形式实现,示出了包括支撑层、应用层和表现层。
其中,从功能结构来看,支撑层的系统管理模块和系统监控模块为整体系统稳定运行提供保障,通过基础配置为顶层应用制订基本的运行规则;应用层是本系统的功能主体,划分为设备管理、数据管理、信息管理三个模块,设备管理用于对服务区的设备运行进行监管;数据管理主要针对各类人、车、告警等数据采集和展现;信息管理用于增、删、编辑系统中的设备台账和服务区基本信息;所有功能运行的状态和结果,最终在表现层进行体现,通过主页看板,展示实时疫情状态、服务区地图情况等内容,将服务区及周边的实时状态完整展示在页面中。
具体地,上述疫情大数据子系统,用于获取疫情信息;该疫情信息包括以下至少一项:疫情实时数据、疫情地图信息、疫情趋势信息。
其中,提供疫情地图功能,可以以数字、各区填色图或各区密度图的方式展示出本地确诊、疑似、死亡、治愈、境外输入人数的总数、较昨日新增及在各区的分布情况;还提供地图下钻展示功能,专题地图可按照行政区逐级下钻,如市、区县、街乡,下钻后展示的数字是当前行政区层级的汇总;还提供全国各省份疫情统计功能,通过表格可视化,以图表的方式展示境外输入趋势、疫情新增趋势(新增确诊人数、新增疑似病例)、累计确诊趋势(累计确诊人数、累计疑似人数)。横轴为日期、纵轴为人数。
上述车辆轨迹追踪子系统,用于基于ETC数据或基于车路协同进行车辆识别及行驶轨迹获取,以及将行驶轨迹与疫情信息比对确定车辆是否来自疫区。该车辆轨迹追踪子系统可以包括基于ETC数据的车辆行驶轨迹追踪模块以及基于车路协同的车辆识别及行驶轨迹获取模块。
该基于ETC数据的车辆行驶轨迹追踪模块,可以实现获取车辆信息、根据车辆的路径信息匹配ETC(Electronic Toll Collection,电子不停车收费系统)收费站车道数据确定车辆路径信息、根据车辆路径信息与疫情大数据子系统的疫情信息匹配确定车辆是否来自疫区以及发出疫区车辆预警。
其中,车辆信息包括以下至少一项:车载单元(On board Unit,OBU)的物理地址(Media Access Control Address,MAC)、数据帧标识类型、设备发行商、车牌信息、路径信息。该车辆来自疫区的情况,包括该车辆为自疫区出发以及该车辆自疫区经过。执行路径信息匹配时,可以将车辆的路径信息与全国ETC收费站车道数据匹配,获取车辆路径信息;若将车辆路径信息与全国实时疫情大数据平台数据匹配,发现来自疫区车辆,则平台发出预警;为便于用户查勘,可以将车辆行驶轨迹在地图上进行可视化显示。
该基于车路协同的车辆识别及行驶轨迹获取模块,用于基于车辆视频流识别车牌信息、基于车路协同技术获取车辆实时位置信息以及将服务区疫情管控指令下发至车辆。
具体地,可以通过摄像头识别车牌,并进行记录,记录数据可以包括车辆进出时间,车牌号,具体位置,车辆识别视频流数据;通过车路协同技术获取车辆实时位置并在平台端显示,包括车牌、车辆经纬度、航向角、速度;服务区疫情管控数据;服务区关闭指令可通过平台与路侧设备通信接口下发至路侧设备,路侧设备再通过车路协同接口发送至车辆。
上述服务区管理子系统,与无感式在线预警体温检测及口罩识别人员检测设备连接,用于检测人员体温、人员口罩佩戴情况、人员数量、人员密度、车辆数量及预警。该无感式在线预警体温检测及口罩识别人员检测设备,能够实时监测服务区等人流密集场所人员的体温状况和口罩佩戴情况。
上述疫情防控策略自动研判子系统,用于根据服务区所在高速公路路段的“与疫情区域距离和关联度”、“应急保障通道重要度和优先级”、“交通量和事故数”确定服务区疫情管控级别。具体地,该疫情防控策略自动研判子系统,能够确定“与疫情区域距离和关联度”、“应急保障通道重要度和优先级”、“交通量和事故数”的指标量值、值域范围、权重及综合评分,进而确定服务区疫情管控级别。
其中,与疫情区域距离和关联度包括:与疫情区域的空间距离(反映服务区所处高速受疫情影响程度,距离越近则风险越高)、进出车流量(反映服务区所处高速与重灾区交通关联度,车流量大则关联度强)、区域疫情等级(高速公路所处区域以及临近区域的疫情等级);应急保障通道重要度和优先级包括:应急通道数(反映服务区所处高速应急保障需求度,通道数多则应急需求高)、应急优先级(反映服务区所处高速应急保障紧急度,优先级高则管控要求高);交通量和事故数包括:总交通量(反映服务区所处高速重要程度,总交通量大则干线越重要)、总事故数(反映服务区所处高速保障难易度,事故数多则管控难度大)。
上述服务区上游车辆诱导调度子系统,用于在本服务区关闭时根据本服务区上游路段车流量、拟驶入本服务区的车辆数量、下游相邻多个服务区的最大车位数容量、各服务区之间的距离,结合行驶路径成本、交通流拥堵成本,生成上游路段计划驶入本服务区车辆的调度方案。示例性地,可以采用模拟退火算法生成上游路段计划驶入本服务区的车辆调度方案。
本发明实施例提供的高速公路疫情防控无感式人员检测及车辆轨迹追踪系统,能够实现在线对服务区内人员进行无感式体温检测及口罩佩戴检测等人员监控功能,以及基于ETC运行大数据或基于车路协同技术的实时性优势进行有效的车辆轨迹追踪,从而提高高速公路疫情预警及防控效果,提升疫情防控日常监控能力以及突发公共卫生事件的应急响应能力。
作为一种实施方式,上述服务区管理子系统可以包括服务区人员监控模块、服务区车辆监控模块以及服务区疫情防控指令发布模块。
该服务区人员监控模块,用于服务区内各区域人员流动数量及密度统计、人员口罩佩戴情况检测结果统计、人员体温检测结果统计;若区域内人员密度超标、人员未佩戴口罩、人员体温异常则进行预警。具体地,可以根据智能路侧设备获取的各区域出入口人员数量,计算服务区超市、卫生间、食堂等各重点监控区域人员数量,密度;当服务区超市、卫生间、食堂等各重点监控区域人员超标时,发出报警信息;统计并上报服务区各重点监控区域人员口罩佩戴情况,并保存及显示未佩戴口罩人员照片及检测时所处位置。根据智能路侧设备获取人员体温检测结果、双光识别视频流数据以及体温异常人员报警信息,并进行显示;显示结果包括人员人脸抓拍图像,实时双光视频流数据、人员体温检测结果,人员检测时所处具体服务区的具体检测点位。
该服务区车辆监控模块,用于根据服务区智能路侧设备获取出入口车辆统计数量、计算当前服务区停放车辆数量,并结合服务区车位设计容量,对服务区服务能力进行调节。根据服务区智能路侧设备上报出入口车辆统计数量,计算当前服务区停放车辆数量,并结合服务区车位设计容量,对服务区服务能力进行调节。
该服务区疫情防控指令发布模块,用于根据服务区疫情管控级别,对服务区进行分级管理,向上游车辆下发服务区疫情管控指令。根据服务区疫情防控策略,对服务区进行分级管理。当服务区评定为高危区域时,通过平台下发服务区封闭指令,通知上游车辆停止驶入服务区。
进一步,服务区管理子系统还可以包括服务区抗疫物资模块,该服务区防疫物资模块用于获取服务区内抗疫物资数量。抗疫物资数量可以是酒精、口罩、手套、防护服数量。
进一步,服务区管理子系统还可以包括服务区基础信息管理模块,用于管理服务区名称、位置、总面积、停车位总数、可容纳人员上限、当前车辆数、当前人员数、计算服务区建筑物内不同区域人员密度。
为更好地进行科学精准施策,分类实行差异化策略,根据疫情带来的影响需要准确确定高速服务区管控等级,本发明实施例中选择服务区所在高速公路路段的“与疫情区域距离和关联度”、“应急保障通道重要度和优先级”、“交通量和事故数”三方面因素来进行划分,具体的指标如表1所示。
表1
基于上述六项指标,通过调查相关指标数据进行量化,计算相应指标数据结果,对疫情的交通影响程度进行评估,根据量化评估结果来触发对应交通管控等级,各地结合实际来确定各影响因素,包括指标量值的大小及其值域范围、各种指标的权重及综合评分的具体方法等,图2示出了量化评估服务区疫情管控级别的逻辑示意图。
基于上述触发流程,结合影响因素及指标的阈值,最终将交通管控级别划分为五个等级,分别对应着区域管控的安全态(S1)、准安全态(S2)、一般态(S3)、准危机态(S4)和危机态(S5),这五种状态依次对应五级响应,从低到高为五级至一级,如表2所示。
管控级别 | 安全态 | 准安全态 | 一般态 | 准危机态 | 危机态 |
响应等级 | 五级 | 四级 | 三级 | 二级 | 一级 |
表2
根据严重程度由低到高管控级别分别如下:
1.安全态
距离疫情重灾区空间距离较远,重灾区进出该区域车流量不大;应急通道数量以保障本地为主,优先级别不高;总交通量不大,交通事故数较少并且较为分散。
2.准安全态
距离疫情重灾区空间距离较远,重灾区进出该区域车流量不大;应急通道数量以保障本地为主,优先级别不高;总交通量较大,但交通事故数较少并且较为分散。
3.一般态
距离疫情重灾区空间距离较远,重灾区进出该区域车流量不大;有部分用于保障灾区医疗和民生物资运的应急通道,优先级别不高;总交通量较大,但交通事故数较少并且较为分散。
4.准危机态
距离疫情重灾区空间距离较近,重灾区进出该区域车流量较大;应急通道数量以保障灾区医疗和民生物资运送为主,优先级别很高;总交通量较大,但交通事故数较少并且较为分散。
5.危机态
该服务区发现疑似病例,或进出该服务区车辆、人员流量大,超过疫情期间服务区承载能力的。
分级响应管控措施
根据管控级别,主要从消毒、通风、人员防护、扫码登记、自助服务、保洁管理等方面制定相应的高速公路服务区分级管控措置,具体措施如表3所示。
表3
根据服务区上游路段车流量以及拟驶入本服务区的车辆数量,结合下游相邻两座服务区的最大车位数容量以及三座服务区之间的距离,综合考虑行驶路径成本、交通流拥堵成本,使用模拟退火算法生成上游计划驶入本服务区的车辆调度方案如下:
步骤1,生成初始解,初始解为原计划车辆停靠服务区方案。
步骤2,计算目标函数,目标函数为调整成本、车辆数量超出限制数量成本、行驶路径成本及交通流成本之和,即目标函数(损失函数)=调整成本(计划调整个数)+车辆数量超出限制数量(每隔1小时扫描1次)+行驶路径成本+交通流成本(道路车辆数的二次幂)。
其中,调整成本应尽可能少的调整原计划,为所有车辆改变服务区的数量总和与对应系数的乘积;车辆数量超出限制数量成本,正常应该是一个约束,但是可能会出现所有服务区均出现超量的情况,同时为了简化计算,引入罚函数的概念,一旦超出最大容量限制,会有很高的系数乘以数量以此来惩罚目标函数,为超出容量车辆数与对应系数的乘积;行驶路径成本为所有车辆的行驶距离与对应系数的乘积;交通流成本为车道车辆数的二次幂与对应系数的乘积。目标函数的计算公式如下:
步骤3,进行邻域变换得到新解;
步骤4,计算新解对应的目标函数以替换新解,直至循环达到内循环次数;若得到新解对应的目标函数小于初始解对应的目标函数,则获得好解,否则获得差解。如果产生差解,则以莫洛托夫接受准则接受差解。由于模拟退火算法以一定的概率来接受一个比当前解要差的解,因此可以避免仅搜索到局部的最优解,而是达到全局的最优解。
步骤5:重复步骤4直到达到内循环次数。
步骤6:温度降低,如果温度仍然大于终止温度,则重复步骤3。
步骤7:温度小于终止温度,输出当前解作为最终解。通过重复邻域变换步骤及目标函数计算步骤直至温度小于终止温度,输出当前解为最终解。
进一步,上述高速公路疫情防控无感式人员检测及车辆轨迹追踪系统还可以包括显示子系统;该显示子系统,用于显示疫情信息、车辆行驶轨迹、服务区可视化模型、人员及车辆监测视频。上述高速公路疫情防控无感式人员检测及车辆轨迹追踪系统还可以包括告警子系统;该告警子系统,用于发出告警信息;告警信息包括以下至少一项:服务区出现高热人员、服务区出现未佩戴口罩人员、单个区域人员密度超标、车辆来自危险区域、车辆途径危险地区、服务区总人员密度超标、服务区车辆数超限。
以下详细介绍上述高速公路疫情防控无感式人员检测及车辆轨迹追踪系统的各具体功能。
(1)主页看板
主页看板作为系统的核心展示功能,应用数字孪生、可视化建模等技术,实现服务区运行情况的总体展示。
主页看板内容包括:服务区可视化模型、疫情实时数据、服务区总体信息、服务区设备监测信息、人员视频监测、车辆状态信息、车辆轨迹展示、车辆实时视频等,详情如下:
服务区可视化模型
服务区可视化模型通过数字孪生技术实现,包括服务区外景展示和服务区内部布局展示,通过信息化手段还原服务区内的分区、设备、监控点位、车辆等的实时分布情况,使得当前服务区运行情况一目了然,模型中视频监控、车辆单位等支持进行点击操作查看更详细的状态信息。
疫情实时数据
系统接入全国疫情实时数据,展示全国疫情地图以及疫情趋势等内容,统计内容包括现有确诊、境外输入确诊、现有疑似病例、新增确诊、新增无症状等数据,为服务区的疫情防控管理提供整体性的参考;
服务区总体信息
显示服务区总体信息:服务区名称、位置、总面积、停车位总数、可容纳人员上限、当前车辆数、当前人员数;服务区建筑物内不同区域人员密度;直观反映服务区整体运行情况;
服务区设备监测信息
该区域展示服务区内接入设备的运行情况,通过对设备的类别、数量、在线离线量、故障报警数等进行统计,以统计图表形式展现在面板之上。
人员视频监测
服务区中支持展示人员头像、人员佩戴口罩情况、人员体温情况、人员出现位置(和传感器绑定);并且服务区中设备具备对人员状态的监测预警功能,发生预警后在地图中显示红色区域,便于快速发现风险,及时提醒工作人员做出相关处置。
车辆状态信息
模型中可对监测中的车辆进行实时展示,可在地图中查看车辆的位置,支持点击查看车辆,点击后展示车辆信息:车牌、车辆位置、方向角、速度等。
车辆轨迹展示
查看车辆信息的同时,车辆行驶轨迹点信息(通过了哪些地点)将在左上地图高亮显示,可快速获知车辆先前到访区域是否有疫情风险,为后续决策提供辅助参考。
车辆实时视频
可点击模型中视频点位图标查看实时车辆视频,快速了解重点监控区域的车流情况。
(2)设备管理
设备管理模块面向系统接入的各类监测设备,对其进行一站式的状态监测和配置管理。
设备状态监测
设备状态监测功能用于对服务区内所有设备的运行情况进行监测,监测内容包括设备IP地址,软件版本号,所处位置信息、设备所连接传感器类型,不同类型数量,传感器工作状态、设备自身CPU/GPU/内存/硬盘占用情况,温度,等工作状态数据,并根据问题的紧急程度对其进行分级告警展示,告警以信息记录列表的形式展示,记录包含内容为:设备编码、告警信息描述、告警值、告警级别、告警处理状态、处理信息、处理时间等。数据支持查询和筛选,筛选条件包括时间、级别等。
设备管理配置
设备配置管理功能用于对设备运行的参数进行配置,如报警阈值、报警类型等,可根据实际需求对监测关注重点进行适当的调整。
(3)数据管理
数据管理模块主要用于查看所有告警、交通、服务区信息等数据,主要以表单形式进行展现。
告警数据
区别于设备管理中的设备状态监测告警,告警数据中主要展示设备采集数据反映出的告警内容,如:服务区出现高热人员、服务区出现未佩戴口罩人员、单个区域人员密度超标、车辆来自危险区域、车辆途径危险地区、服务区人员总人员密度超标、服务区车辆数超限等,告警数据与服务区的日常运营、疫情防控息息相关;告警数据以信息记录列表的形式展示,记录包含内容为:告警时间、告警信息描述、告警级别、告警处理状态、处理信息、处理时间等;工作人员可通过此页面内容及时对服务区中出现的风险或问题进行判断和处理。数据支持查询和筛选,筛选条件包括时间、级别等。
交通数据
交通数据展示服务区交通状况,并按照固定时间进行记录,包括:时间、上游交通流量、主路交通流量,并且支持上游交通流分配方案下发、服务区碰撞预警信息播报。数据支持查询和筛选,筛选条件包括记录时间等。
服务区数据
服务区数据为固定时间更新,定期展示和记录服务区整体运行状态,包括:数据时间、服务区名称、当前车辆数、当前人员数、服务区建筑物内不同区域人员密度等。数据支持查询和筛选,筛选条件包括时间、服务区名称等,支持模糊搜索匹配。
(4)信息管理
信息管理模块主要用于查看所有基础信息数据,主要以表单形式进行展现。
设备台账
设备台账功能用于管理和记录服务区内所有设备的基础信息,管理内容包括设备IP地址,软件版本号,所处位置信息、设备所连接传感器类型,不同类型数
服务区管理
服务区管理功能用于管理服务区基础信息,管理内容包括:服务区名称、服务区地址、服务区总面积、停车位总数、可容纳人员数、工作人员数、酒精、口罩、防护服数量、服务区工作人员数量等;支持以excel形式批量导入或导出,并且支持单条数据的增加、删除、编辑;服务区管理支持查询功能,查询条件包括:服务区名称等,支持模糊匹配。
(5)系统管理
系统管理模块是系统基础支撑模块,用于对系统整体运行规则的配置,功能权限较高,一般不对普通业务人员开放。
权限管理
权限管理功能是系统管理中重要的一部分,包含用户管理和权限分配管理功能,对于系统的所有用户都可单独创建账号,可避免因多人共用同一账号造成的权责划分不清的问题,首先创建用户,设置用户名称、用户账号、用户密码;创建成功后,对其进行权限分配,勾选需要对账号开通的功能后进行确认,分配权限后的用户进入系统仅可使用权限内的功能,有效保障了系统的安全性。
系统设置
系统设置功能可设置系统标题、颜色风格等基础配置项,根据使用者习惯进行一定范围的自定义调整。
(6)系统监控
系统监控模块用于监控整个系统的运行状态,帮助系统运维人员快速查找和发现问题。
服务器状态监控
服务器状态监控功能通过获取和展示本系统所在服务器的主机运行状态,可实时反映系统运行的基础情况,如CPU/GPU/内存/硬盘占用情况,温度,等工作状态监测数据,运维人员可根据相关数据对服务器采取对应的维护措施。
接口状态监控
接口状态监控功能用于监测所有系统外部接口的通信情况,定期检测接口通断、网络状态等信息,保障接口的连通性,维持系统稳定运行。
(7)疫情防控策略自动研判功能。
(8)服务区上游车辆诱导调度功能。
(9)系统功能列表
系统功能列表如表4所示。
表4
本发明实施例提供的高速公路疫情防控无感式人员检测及车辆轨迹追踪系统,可以接入一种无感式在线预警体温检测及口罩识别人员检测设备,能够实时监测服务区等人流密集场所人员体温状况和口罩佩戴情况,实时计算通过人数并将检测结果上报高速公路疫情防控无感式人员检测及车辆轨迹追踪云平台。平台根据计算结果以及自身服务区管控策略,计算区域人员密度以及服务区疫情防控安全等级。当触发阈值时,平台自动发出关闭服务区指令。
通过运用现有ETC系统进行大规模车辆轨迹追踪,可以在全国范围内对车辆进行轨迹识别与追踪,从而为快速判断车辆是否为疫区车辆提供技术保证;同时,当服务区出现疑似发热病例时,可通过平台向智能路侧设备发送服务区关闭指令,并根据上游来车以及路径分配算法,对拟进入服务区的车辆,分配下游相邻服务区行驶方案,避免因服务区关闭造成交通拥堵。
因此,上述系统能够提高高速公路疫情防控水平,提升疫情防控日常监控能力以及突发公共卫生事件的应急响应能力;有效利用ETC车辆运行大数据的实时性优势,有效提升疫情预警能力。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
当然,本领域技术人员可以理解实现上述实施例中的全部或部分流程,是可以通过计算机程度来指令控制装置来完成,所述的程序可存储于一计算机可读取的存储介质中,所述程序在执行时可包括如上述各实施例的流程,其中所述的存储介质可为存储器、磁盘、光盘等。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种高速公路疫情防控无感式人员检测及车辆轨迹追踪系统,其特征在于,包括:
疫情大数据子系统、车辆轨迹追踪子系统、服务区管理子系统、疫情防控策略自动研判子系统及服务区上游车辆诱导调度子系统;
所述疫情大数据子系统,用于获取疫情信息;所述疫情信息包括以下至少一项:疫情实时数据、疫情地图信息、疫情趋势信息;
所述车辆轨迹追踪子系统,用于基于ETC数据或基于车路协同进行车辆识别及行驶轨迹获取,以及将行驶轨迹与所述疫情信息比对确定车辆是否来自疫区;
所述服务区管理子系统,与无感式在线预警体温检测及口罩识别人员检测设备连接,用于检测人员体温、人员口罩佩戴情况、人员数量、人员密度、车辆数量及预警;
所述疫情防控策略自动研判子系统,用于根据服务区所在高速公路路段的“与疫情区域距离和关联度”、“应急保障通道重要度和优先级”、“交通量和事故数”确定服务区疫情管控级别;
所述服务区上游车辆诱导调度子系统,用于在本服务区关闭时根据本服务区上游路段车流量、拟驶入本服务区的车辆数量、下游相邻多个服务区的最大车位数容量、各服务区之间的距离,结合行驶路径成本、交通流拥堵成本,生成上游路段计划驶入本服务区车辆的调度方案;
所述与疫情区域距离和关联度包括:与疫情区域的空间距离、进出车流量、区域疫情等级;所述应急保障通道重要度和优先级包括:应急通道数、应急优先级;所述交通量和事故数包括:总交通量、总事故数;
所述疫情防控策略自动研判子系统,用于确定“与疫情区域距离和关联度”、“应急保障通道重要度和优先级”、“交通量和事故数”的指标量值、值域范围、权重及综合评分,进而确定服务区疫情管控级别。
2.根据权利要求1所述的系统,其特征在于,所述车辆轨迹追踪子系统包括基于ETC数据的车辆行驶轨迹追踪模块以及基于车路协同的车辆识别及行驶轨迹获取模块;
所述基于ETC数据的车辆行驶轨迹追踪模块,用于获取车辆信息、根据车辆的路径信息匹配ETC收费站车道数据确定车辆路径信息、根据所述车辆路径信息与所述疫情大数据子系统的疫情信息匹配确定车辆是否来自疫区以及发出疫区车辆预警;所述车辆信息包括以下至少一项:车载单元的物理地址、数据帧标识类型、设备发行商、车牌信息、路径信息;
所述基于车路协同的车辆识别及行驶轨迹获取模块,用于基于车辆视频流识别车牌信息、基于车路协同技术获取车辆实时位置信息以及将服务区疫情管控指令下发至车辆。
3.根据权利要求1或2所述的系统,其特征在于,所述服务区管理子系统包括服务区人员监控模块、服务区车辆监控模块以及服务区疫情防控指令发布模块;
所述服务区人员监控模块,用于服务区内各区域人员流动数量及密度统计、人员口罩佩戴情况检测结果统计、人员体温检测结果统计;若区域内人员密度超标、人员未佩戴口罩、人员体温异常则进行预警;
所述服务区车辆监控模块,用于根据服务区智能路侧设备获取出入口车辆统计数量、计算当前服务区停放车辆数量,并结合服务区车位设计容量,对服务区服务能力进行调节;
所述服务区疫情防控指令发布模块,用于根据服务区疫情管控级别,对服务区进行分级管理,向上游车辆下发服务区疫情管控指令。
4.根据权利要求1或2所述的系统,其特征在于,所述服务区上游车辆诱导调度子系统,具体用于采用模拟退火算法生成上游路段计划驶入本服务区的车辆调度方案,包括:
生成初始解,所述初始解为原计划车辆停靠服务区方案;
计算目标函数,所述目标函数为调整成本、车辆数量超出限制数量成本、行驶路径成本及交通流成本之和;
进行邻域变换得到新解;
计算所述新解对应的目标函数以替换所述新解,直至循环达到内循环次数;若得到新解对应的目标函数小于所述初始解对应的目标函数,则获得好解,否则获得差解;
重复邻域变换步骤及目标函数计算步骤直至温度小于终止温度,输出当前解为最终解。
5.根据权利要求4所述的系统,其特征在于,所述调整成本为所有车辆改变服务区的数量总和与对应系数的乘积;所述车辆数量超出限制数量成本为超出容量车辆数与对应系数的乘积;所述行驶路径成本为所有车辆的行驶距离与对应系数的乘积;所述交通流成本为车道车辆数的二次幂与对应系数的乘积。
7.根据权利要求3所述的系统,其特征在于,所述服务区管理子系统还包括服务区抗疫物资模块;
所述服务区防疫物资模块用于获取服务区内抗疫物资数量。
8.根据权利要求1所述的系统,其特征在于,还包括显示子系统;
所述显示子系统,用于显示疫情信息、车辆行驶轨迹、服务区可视化模型、人员及车辆监测视频。
9.根据权利要求1所述的系统,其特征在于,还包括告警子系统;
所述告警子系统,用于发出告警信息;所述告警信息包括以下至少一项:服务区出现高热人员、服务区出现未佩戴口罩人员、单个区域人员密度超标、车辆来自危险区域、车辆途径危险地区、服务区总人员密度超标、服务区车辆数超限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111159116.6A CN114067560B (zh) | 2021-09-30 | 2021-09-30 | 高速公路疫情防控无感式人员检测及车辆轨迹追踪系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111159116.6A CN114067560B (zh) | 2021-09-30 | 2021-09-30 | 高速公路疫情防控无感式人员检测及车辆轨迹追踪系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114067560A CN114067560A (zh) | 2022-02-18 |
CN114067560B true CN114067560B (zh) | 2022-10-14 |
Family
ID=80234055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111159116.6A Active CN114067560B (zh) | 2021-09-30 | 2021-09-30 | 高速公路疫情防控无感式人员检测及车辆轨迹追踪系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114067560B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114582056A (zh) * | 2022-02-22 | 2022-06-03 | 浙江温州甬台温高速公路有限公司 | 高速公路疫情防控车辆检查预警方法及系统 |
CN115188180A (zh) * | 2022-04-27 | 2022-10-14 | 清华大学 | 一种基于时空轨迹的车辆健康检测方法和系统 |
CN115410286A (zh) * | 2022-08-12 | 2022-11-29 | 西安公路研究院有限公司 | 一种多模式车辆分类防控一体化系统 |
CN115098490A (zh) * | 2022-08-26 | 2022-09-23 | 山东高速信息集团有限公司 | 一种检测监控重点区域车辆的方法系统 |
CN115294778A (zh) * | 2022-09-28 | 2022-11-04 | 四川科泰智能电子有限公司 | 一种区域车辆进出统计方法和系统 |
CN116363871B (zh) * | 2023-01-15 | 2024-03-26 | 福建省高速公路信息科技有限公司 | 高速公路假日免征车辆疫情预警及入口信息还原方法 |
CN117057741B (zh) * | 2023-08-18 | 2024-03-29 | 南京鲜玩网络科技有限公司 | 一种基于大数据的人员筛查预警系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111405488A (zh) * | 2020-03-31 | 2020-07-10 | 中科星图(深圳)数字技术产业研发中心有限公司 | 一种多轨迹协同追踪的车辆管理方法 |
CN111586586B (zh) * | 2020-05-14 | 2022-05-20 | 深圳力维智联技术有限公司 | 一种追踪方法和系统 |
CN112069888B (zh) * | 2020-07-31 | 2024-03-22 | 深圳市金溢科技股份有限公司 | 车辆排查方法、系统及其路侧设备、车载设备、手持终端 |
CN112687097A (zh) * | 2020-11-16 | 2021-04-20 | 招商新智科技有限公司 | 一种高速公路路段级数据中台系统 |
-
2021
- 2021-09-30 CN CN202111159116.6A patent/CN114067560B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114067560A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114067560B (zh) | 高速公路疫情防控无感式人员检测及车辆轨迹追踪系统 | |
CN108198416A (zh) | 一种手机信令与路网大数据的融合方法及其应用与系统 | |
CN106779408A (zh) | 公交系统服务质量的评估方法和装置 | |
CN113194138B (zh) | 基于ai深度学习的出行管理方法和系统 | |
CN106448132A (zh) | 一种常规公交服务指数实时评价系统及评价方法 | |
CN112116263B (zh) | 一种交通路口风险级别评估方法、装置、电子设备及存储介质 | |
CN109887283A (zh) | 一种基于卡口数据的道路拥堵预测方法、系统及装置 | |
CN111539864B (zh) | 一种基于lbs大数据的踩踏事件的情报分析方法和装置 | |
CN107784832A (zh) | 一种用于识别交通道路中的事故黑点的方法与设备 | |
CN110442731A (zh) | 一种基于交通管理知识图谱的交通运行管理系统 | |
Mitra et al. | Safety assessment of urban un-signalized intersections using conflict analysis technique | |
CN113705852A (zh) | 人群密集度预警方法、装置、电子设备及存储介质 | |
Loo et al. | Using computer vision and machine learning to identify bus safety risk factors | |
Chung et al. | Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China | |
Noh et al. | SafetyCube: Framework for potential pedestrian risk analysis using multi-dimensional OLAP | |
Causevic et al. | Potentials and advantages of applying geographic information systems in various fields of traffic engineering | |
CN108230670A (zh) | 预测在给定时间段给定地点出现的移动体数的方法和装置 | |
Liu et al. | Evaluating the impacts of vehicle-mounted Variable Message Signs on passing vehicles: implications for protecting roadside incident and service personnel | |
Tang et al. | Spatial analysis of moving-vehicle crashes and fixed-object crashes based on multi-scale geographically weighted regression | |
Zhou et al. | Spatial heterogeneity of urban illegal parking behavior: A geographically weighted Poisson regression approach | |
Radwan et al. | Assessment of sidewalk/bicycle-lane gaps with safety and developing statewide pedestrian crash rates. | |
Khaksar et al. | Comparison of Accident Severity and Frequency Index Method in Identifying Hotspot Segments of Intercity Road Network | |
Yu et al. | Speed distribution and safety effects of license plate recognition: Analysis combining crash and toll record data in Hunan Province, China | |
Karim et al. | A Model of Interactive Traffic Management System and Traffic Data Analysis | |
Koenig et al. | Traffic Safety in Future Cities by Using a Safety Approach Based on AI and Wireless Communications |
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 |