CN114155706B - 一种服务区车辆判别方法、装置、电子设备和存储介质 - Google Patents
一种服务区车辆判别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114155706B CN114155706B CN202111258289.3A CN202111258289A CN114155706B CN 114155706 B CN114155706 B CN 114155706B CN 202111258289 A CN202111258289 A CN 202111258289A CN 114155706 B CN114155706 B CN 114155706B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- service area
- passing time
- passing
- time threshold
- 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
- G08G1/017—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
- G08G1/0104—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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种服务区车辆判别方法、装置、电子设备及存储介质,所述方法包括:获取服务区位置,确定相邻的上游门架和下游门架;读取在预设时段内的过车数据,并确定每个车辆的通行时长;统计每个所述通行时长的车辆数,并进行降序排序;获取预设的排序计量参数和修正参数,并计算通行时间阈值;根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆。这样,通过对从高速公路上的门架数据中提取的过车数据进行分析,应用分析计算得出的通行时间阈值来判断车辆是否进入服务区,进而统计所述服务区的车流量;这样,可以在现有设备的基础上对车辆进行准确的判别。
Description
技术领域
本发明涉及车辆识别技术领域,具体而言,涉及一种服务区车辆判别方法、装置、电子设备和存储介质。
背景技术
随着我国汽车保有量的不断增多,高速公路上的车流量也逐年攀升,不断增大的车流量对高速公路服务区的管理水平和服务能力提出了更高的要求。准确了解服务区的车辆变化情况可以为服务区人员、资源配置的优化提供决策依据,有助于管理水平和服务能力的提高。
目前高速公路虽然设置了可以准确识别车辆的门架,但是并不会设置在服务区入口处;现有服务区的出入口处一般安装有摄录探头,有些服务区在出入口处的地面下埋布地感线圈用来检测车辆通过。但是摄录探头一般用于拍照捕捉违章行为或者对过往车辆和周围环境进行监控,不具备车流量的统计功能;而地感线圈不能对车辆进行识别,且非常容易受到环境影响,经常检测不准甚至故障。如果引入可以进行车辆识别的最新设备,不仅需要购买安装,还需要架设配套设备,造成运维成本的大量增加。
由此可见,缺少能够在不增加新设备的情况下对进入服务区车辆判别的方法。
发明内容
本发明解决的问题是现有服务区无法对车辆进行判别。
为解决上述问题,本发明首先提供一种服务区车辆判别方法,其包括:
获取服务区位置,确定与所述服务区相邻的上游门架和下游门架;
读取所述上游门架和下游门架在预设时段内的过车数据,并确定每个车辆的通行时长;
统计每个所述通行时长的车辆数,并按照车辆数进行降序排序;
获取预设的排序计量参数和修正参数,并根据排序后的车辆数、所述排序计量参数和所述修正参数,计算通行时间阈值;
根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆。
这样,通过对从高速公路上的门架数据中提取的过车数据进行分析,应用分析计算得出的通行时间阈值来判断车辆是否进入服务区,进而统计所述服务区的车流量;这样,可以在现有设备的基础上对车辆进行准确的判别。
优选地,所述通行时间阈值的计算公式为:
其中,T为通行时间阈值,i为车辆数按照降序排列的排序序号,ti为第i 个车辆数对应的通行时长,N为排序计量参数,K为修正参数,K为正整数。
优选地,所述根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆,包括:
判断各车辆的所述通行时长是否大于所述通行时间阈值;
若车辆的所述通行时长大于所述通行时间阈值,则判断该车辆进入所述服务区;
若车辆的所述通行时长小于等于所述通行时间阈值,则判断该车辆未进入所述服务区。
优选地,所述排序计量参数和修正参数的获取过程包括:
获取样本时段内所述服务区的实际车流量、所述上游门架和下游门架的过车数据;
根据所述上游门架和下游门架的过车数据,确定每个车辆的通行时长,并按照统计的每个所述通行时长的车辆数进行降序排序;
根据排序后的车辆数,设置初始排序计量参数和初始修正参数;
根据排序后的车辆数、初始排序计量参数和初始修正参数,计算通行时间阈值;
根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆,并确定所述服务区的判别车流量;
根据所述判别车流量和所述实际车流量,计算绝对百分比误差;
若所述绝对百分比误差大于预设的百分比阈值,则调整所述初始排序计量参数和初始修正参数,并重新计算所述通行时间阈值;
若所述绝对百分比误差小于预设的百分比阈值,则将所述初始排序计量参数和所述初始修正参数保存为所述排序计量参数和所述修正参数。
这样,通过百分比误差对排序计量参数和修正参数进行循环调整,直至准确率达到预设为止,从而提高通行时间阈值判别的准确性。
优选地,所述排序计量参数的取值范围为[1,4]。
优选地,所述初始修正参数的取值范围为[0,3]。
优选地,所述绝对百分比误差的计算公式为:
其中,APE为所述绝对百分比误差,Y为所述服务区的所述实际车流量, Y*为所述服务区的所述判别车流量。
其次,提供一种服务区车辆判别装置,其包括:
第一获取单元,其用于获取服务区位置,确定与所述服务区相邻的上游门架和下游门架;
第一确定单元,其用于读取所述上游门架和下游门架在预设时段内的过车数据,并确定每个车辆的通行时长;
第一统计单元,其用于统计每个所述通行时长对应的车辆数,并按照车辆数进行降序排序;
第一计算单元,其用于获取预设的排序计量参数和修正参数,并根据排序后的车辆数、所述排序计量参数和所述修正参数,计算通行时间阈值;
第一判别单元,其用于根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆。
这样,通过对从高速公路上的门架数据中提取的过车数据进行分析,应用分析计算得出的通行时间阈值来判断车辆是否进入服务区,进而统计所述服务区的车流量;这样,可以在现有设备的基础上对车辆进行准确的判别。
这样,无需增加新的硬件设备,也不需要对现有设施进行改造,只需使用现有的门架数据即可,同时还可以灵活调整以适应不同路况,实现以较小的代价对车辆是否进入服务区进行判断,从而方便快速地对进入服务区的车流量进行统计。
再次,提供一种电子设备,其包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如前述所述的服务区车辆判别方法。
最后,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如前述所述的服务区车辆判别方法。
这样,通过针对目标服务区,对从高速公路上的门架数据中提取该服务区最临近的上、下游门架过车数据,并进行统计、处理、计算得到车辆不进入该服务区的通行时间阈值,根据计算得出的通行时间阈值及每个车辆的通行时间来判断车辆是否进入服务区,进而统计进入所述服务区的车流量;这样,可以在现有设备的基础上对车辆进行准确的判别。
这样,无需增加新的硬件设备,也不需要对现有设施进行改造,只需使用现有的门架数据即可,同时还可以灵活调整以适应不同路况,实现以较小的代价对车辆是否进入服务区进行判断,从而方便快速地对进入服务区的车流量进行统计。
附图说明
图1为根据本发明实施例的服务区车辆判别方法的流程图;
图2为根据本发明实施例的服务区和门架位置示意图;
图3为根据本发明实施例门架的过车数据表;
图4为根据本发明实施例通行时长的过车数据表;
图5为根据本发明实施例通行时长正序排序的数据表;
图6为根据本发明实施例通行时长降序排序的数据表;
图7为根据本发明实施例通行时长正序排序的折线图;
图8为根据本发明实施例的服务区车辆判别方法S50的流程图;
图9为根据本发明实施例的参数获取过程的流程图;
图10为根据本发明实施例的服务区车辆判别装置的结构框图;
图11为根据本发明实施例的电子设备的结构框图。
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。
随着我国汽车保有量的不断增多,高速公路上的车流量也逐年攀升,不断增大的车流量对高速公路服务区的管理水平和服务能力提出了更高的要求。准确了解服务区的车流量/车辆变化情况可以为服务区人员、资源配置的优化提供决策依据,有助于管理水平和服务能力的提高。
高速公路服务区的出入口处一般安装有摄录探头,探头一般分为两种:违章探头和治安探头。违章探头由违章行为触发拍照捕捉违章行为,治安探头不间断地对过往车辆和周围环境进行监控,这两类探头都不具备专门的服务区车辆识别以及车流量统计功能。
有些服务区在出入口处的地面下埋布地感线圈用来检测车辆通过,地面下埋布地感线圈的方式由于随着自身设备老化和受环境因素的影响,时常检测不准甚至发生故障,并且需要破坏路面才能进行安装和维修,运维成本高,还会影响到正常的交通,同时此种方式只能检测到有车辆通过,无法获得具体的车辆信息,无法准确统计车流量。
但除需要购买安装新的检测装置外还要架设配套设施,
随着人工智能技术的发展,一些基于图像识别的新型检测装置出现在服务区,这种检测装置需要重新在服务区架设、安装、调试,同样会造成运维成本的增加,目前还没有得到广泛的应用。
为了便于给出对应的技术方案,申请人对现有高速公路的车辆情况进行了调查,发现如下实际情况:
1)一年中的大部分时间高速公路都是畅通的。
2)绝大部分驾驶员都会遵守限速规定,按照60-120千米/小时的速度区间行驶。
3)在道路畅通的条件下,大部分驾驶员都会尽量以较高的速度行驶,即大部分驾驶员都会保持速度在110千米/小时左右。
4)在通过含有服务区的路段时,会有小部分车辆进入服务区,大部分车辆会直接通过。
5)对于驶入服务区的车辆,大部分都会有短暂停车的行为,停车时间从几分钟到几十分钟不等,也会有小部分车辆在服务区停留较长时间。
6)即便车辆驶入服务区后没有停留立即使出,由于在驶入和使出的过程中也存在减速和加速的过程,且在服务区内行驶时的速度较低,所以整个进出服务区的过程需要消耗一定的时间。
本申请实施例提供了一种服务区车辆判别方法,该方法可以由服务区车辆判别装置来执行,该服务区车辆判别装置可以集成在电脑、服务器、计算机等电子设备中。如图1所示,其为根据本发明实施例的服务区车辆判别方法的流程图;其中,所述服务区车辆判别方法,包括:
S10,获取服务区位置,确定与所述服务区相邻的上游门架和下游门架;
其中,所述服务区位置,即为所述服务区在高速公路上所处的位置;基于该位置,可以得知所述服务区附近的门架分布情况。
其中,所述相邻的上游门架,是指位于所述服务区上游,可以正常工作的门架中距离所述服务区最近的门架。
如图2所示,某服务区S,分别从上游和下游选择一个距离S最近的门架 G1和G2;如若上游或下游距离服务区最近的门架设备损坏没有有效数据,则可以选择距离S第二近的门架,依此类推。例如:G2损坏,则可以选择G3代替,使用G1和G3的门架数据进行分析。
S20,读取所述上游门架和下游门架在预设时段内的过车数据,并确定每个车辆的通行时长;
其中,所述预设时段可以预先设置为特定的时间段。
所述过车数据包括车牌号及通过时刻,即车辆通过该门架的时间。
例如,从门架数据中提取最近一周的过车数据,也可根据实际情况提取更长时间的数据,过车数据形式如图3所示。其中车牌号字段为车辆对应的车牌号,通过时刻字段为车辆通过该门架的时间。
在一个具体的实施方式中,通行时长为整分钟数,通过设置整数,从而可以将行驶时间相近的车辆划分为相同的通行时长,从而将车辆数划分为有限个数据集,便于进行后续统计或计算。
其中,所述通行时长为分钟的整数,这样可以将通行时间差异在一分钟内的车辆划分为相同的通行时长。
具体地,所述通行时长事实上为所述车辆在所述上游门架和下游门架之间的行驶时间所属的时间区间,是可以通过将行驶时间以分钟为单位进行四舍五入得到;也可以通过其他划分方式如将行驶时间以分钟为单位进行向上取整或者向下取整得到。
例如,将同一车牌号车辆的下游门架通过时刻减去上游门架通过时刻,采用四舍五入的方式计算得到各车辆通过上下游两个门架的通行时长,单位为分钟。处理后的过车数据形式如图4所示,记数据为data_0,其中G1通过时刻字段为上游门架的通过时刻,G2通过时刻为下游门架的通过时刻,通行时长为车辆通过G1和G2之间路段的通行时长。
S30,统计每个所述通行时长对应的车辆数,并按照车辆数进行降序排序;
例如,对处理后的过车数据data_0统计各通行时长的车辆数,先按照通行时长升序排序,记结果数据为data_1,数据形式如图5所示,其中包括通行时长,以及每个通行时长对应的车辆数。再按照每个所述通行时长对应的车辆数进行降序排序,记结果数据为data_2,数据形式如图6所示。其中,通行时长为车辆通过G1和G2之间路段的通行时长,车辆数为每个通行时长对应的车辆数。
对于数据data_1,以通行时长为横轴,以车辆数为纵轴做折线图,得到折线图如图7所示。
对数据data_1和date_2进行统计,通过G1和G2的总车辆数为29786,通行时长为5分钟、6分钟、7分钟、8分钟的车辆数分别为9110、8398、6784、 2868,分别总车辆数的比例为30.58%、28.19%、22.78%、9.63%。通行时长为 5分钟、6分钟、7分钟、8分钟的车辆数的总和占总车辆数的比例为91.18%。结合折线图7分析可以得到,实际情况中大部分车辆的通行时长分布在5分钟至8分钟的时间区间,与更长或更短通行时长的车辆相比在数量上有着明显的区别。
基于高速公路上的实际情况,可以进行一些推理:
1)大部分车辆都会保持在一段较高的速度区间行驶,对于服务区上下游的两个门架G1和G2,由于G1和G2之间的距离一定,且相邻两个门架之间的距离一般不会太远,因此车辆通过G1和G2的行驶时间也会保持在一个相对较小范围内。
2)以极高(超过最高限速)或极低(低于最低限速)车速直接通过G1和 G2的车辆比例很小,因此存在少数车辆以较短或较长的通行时长通过G1和G2。
3)进入服务区的车辆绝大部分都会有短暂停车的行为,因此对于大部分车辆,只要车辆进入过服务区,其通过G1和G2的通行时长都会显著的比不进入服务区的车辆要长。
4)直接通过的车辆远多于进入服务区的车辆,因此大部分的车辆都会以显著较少的通行时长通过G1和G2。
基于折线图7,我们可以发现,其与上述四条推理相符。
S40,获取预设的排序计量参数和修正参数,并根据排序后的车辆数、所述排序计量参数和所述修正参数,计算通行时间阈值;
其中,预设的排序计量参数和修正参数可以通过训练得到,也可以直接预设,从而在需要时直接进行读取。
优选地,可以基于不同的天气状况或者其他设置条件,获取对应的排序计量参数和修正参数,从而可以得到更加准确的排序计量参数和修正参数,提高计算的准确度以及服务区车辆判别的准确度。
S50,根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆。
通过通行时间阈值判别出进入服务区的车辆,从而可以对进入服务区的车辆以及车流量进行统计。
这样,通过针对目标服务区,对从高速公路上的门架数据中提取该服务区最临近的上、下游门架过车数据,并进行统计、处理、计算得到车辆不进入该服务区的通行时间阈值,根据计算得出的通行时间阈值及每个车辆的通行时间来判断车辆是否进入服务区,进而统计进入所述服务区的车流量;这样,可以在现有设备的基础上对车辆进行准确的判别。
这样,无需增加新的硬件设备,也不需要对现有设施进行改造,只需使用现有的门架数据即可,同时还可以灵活调整以适应不同路况,实现以较小的代价对车辆是否进入服务区进行判断,从而方便快速地对进入服务区的车流量进行统计。
优选地,通行时间阈值的计算公式为:
其中,T为通行时间阈值,i为车辆数按照降序排列的排序序号,ti为第i 个车辆数对应的通行时长,N为排序计量参数,K为修正参数,K为正整数。
其中,与上述data_2数据表对照,i即为上述data_2数据表中车辆数的排序序号。
对于高速公路而言,理想情况下,认为全部车辆都会保持车速在限速区间内行驶,记车辆以最高限速120千米/小时的速度通过G1和G2的通行时长为 T1,以最低限速60千米/小时的速度通过G1和G2的行驶时间为T2。T1和T2 的关系为:T2为T1的2倍。如果车辆通过G1和G2的平均速度低于60千米/ 小时,即通行时长大于T2时,则认为该车辆中途进入了服务区。
基于上述理想条件下的分析,考虑到在实际情况中并非全部不进入服务区的车辆都能以120千米/小时的速度高速行驶,即并非所有车辆通过G1和G2通行时长都为T1,因此需要找到大部分以较高速度通过且不进入服务区的车辆的通行时长,记该时间为一般通行时长,该一般通行时长约等于T1。记判别车辆是否进入服务区的通行时间阈值为T,该通行时间阈值约等于T2。因此可得,即通行时间阈值T为一般通行时长的2倍。因此,通行时间阈值T的确定关键在于找到一个合适的一般通行时长。
这样,计算公式中,通过将按照车辆数降序的前N个通行时长的平均数作为一般通行时长,从而对应为大部分以较高速度通过且不进入服务区的车辆通过G1和G2的通行时长,通过加入修正参数,从而可以对通行时间阈值根据实际情况进行修正。从而可以准确地计算出通行时间阈值,进而对车辆的通行时长进行准确的判定。
这样,通行时间阈值的计算建立在结合实际情况的推理和对大量真实数据的分析之上,从而使得计算结果更加符合实际情况,进而基于计算结果得到准确度更高的统计数据。
优选地,如图8所示,S50,根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆,包括:
S51,判断各车辆的所述通行时长是否大于所述通行时间阈值;
S52,若车辆的所述通行时长大于所述通行时间阈值,则判断该车辆进入所述服务区;
S53,若车辆的所述通行时长小于等于所述通行时间阈值,则判断该车辆未进入所述服务区。
这样,通过通行时间阈值,直接判断车辆是否进入服务区,简单方便。且基于判断结果,还可以对进入服务区的车辆进行车流量统计,从而便于提升服务区的服务质量。
优选地,如图9所示,所述排序计量参数和修正参数的获取过程包括:
S100,获取样本时段内所述服务区的实际车流量、所述上游门架和下游门架的过车数据;
其中,所述服务区的实际车流量,是指在服务区内设置车辆识别装置(或者选择一个已经安装有车辆识别装置的服务区进行),识别到的在样本时段内进入该服务区的车流量,其为服务区车流量的准确数值。
S200,根据所述上游门架和下游门架的过车数据,确定每个车辆的通行时长,并按照统计的每个通行时长的车辆数进行降序排序;
S300,根据排序后的过车数据,设置初始排序计量参数和初始修正参数;
其中,初始排序计量参数和初始修正参数的设置可以根据实际情况确定。
其中,所述初始排序计量参数的取值范围为[1,4]。这样,可以与车辆通过两个相邻门架的实际通行时长不会太长相对应,从而提高计算的准确性。
其中,初始修正参数的取值范围为[0,3]。这样,通过修正参数,可以与车辆通过两个相邻门架的实际通行时长不会太长相对应,从而提高计算的准确性。
优选地,所述初始排序计量参数的取值为3,所述初始修正参数的取值为 1,这样,可以获得比较接近实际的效果,从而避免重复性的设置。
S400,根据排序后的过车数据、初始排序计量参数和初始修正参数,计算通行时间阈值;
优选地,通行时间阈值的计算公式为:
其中,T为通行时间阈值,i为上述data_2数据表中车辆数的按照降序排列排序序号,ti为第i个车辆数对应的通行时长,N为排序计量参数,K为修正参数,K为正整数。
在此需要说明的是,获取过程中的通行时间阈值计算公式与使用过程中的相同,通过预设初始排序计量参数、初始修正参数,采用包含有实际进入服务区车辆数及上下游门架过车数据的检验集检验初始排序计量参数、初始修正参数预测的绝对百分比误差其中,Y为实际进行服务区的车流量,Y * 为预测的进入服务区的车流量,当绝对百分比误差确率低于预设阈值时,即认为初始排序计量参数即为所述排序计量参数可根据APE的结果对通行时间阈值T的计算公式中的参数N和K进行调整,以减小误差。
N的意义在于对一般通行时长进行调整,增大N可以扩大一般通行时长的覆盖范围;增大K可进一步对通行时间阈值进行修正。N和K的取值直接影响到通行时间阈值T,进而影响到判别车辆是否进入服务区的准确度,因此N 和K的取值要在合理的范围内。一般情况下相邻两个门架之间的距离不会特别远,因而车辆通过两个相邻门架的通行时长也不会太长,一般在几分钟到十几分钟之间,因此N和K的取值不宜过大。
在道路畅通、天气状况良好的条件下,N的取值可以为1,K的取值可以为0;当天气状况较差,如大风、大雨天气时,N和K的取值可适当增大,N 的取值可以为3,K的取值可以为2;当道路发生拥堵时,可适当增大K的值, N的取值可以为3,K的取值可以为3或者更大。一般情况下,N为3、K为1 的参数配置即可获得比较理想的效果。
S500,根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆,并确定所述服务区的判别车流量;
所述步骤S100-S500的具体过程,与上述服务区车辆判别方法中的步骤 S10-S50的具体过程较为相似,详细情况可以参考上述服务区车辆判别方法,在此不再赘述。
其中,判别车流量,即为判断后统计到的所述服务区内进入的车辆数。其为服务区车流量的计算数值。
S600,根据所述判别车流量和所述实际车流量,计算绝对百分比误差;
S700,若所述绝对百分比误差大于预设的百分比阈值,则调整所述初始排序计量参数和初始修正参数,并重新计算所述通行时间阈值;
其中,所述百分比阈值可以根据实际情况确定。
S800,若所述绝对百分比误差小于预设的百分比阈值,则将所述初始排序计量参数和所述初始修正参数保存为所述排序计量参数和所述修正参数。
这样,通过百分比误差对初始排序计量参数和初始修正参数进行循环调整,直至准确率达到预设为止,从而提高通行时间阈值判别的准确性。
优选地,所述样本时段可以选择不同天气情况下的多个时段,从而可以得出每个时段(不同天气情况下的)的排序计量参数和修正参数,提高通行时间阈值判别的准确性。
优选地,绝对百分比误差的计算公式为:
其中,APE为所述绝对百分比误差,Y为所述服务区的所述实际车流量, Y*为所述服务区的所述判别车流量。
其中,APE的值越小,表示误差越小,即判别结果越接近真实情况。可根据APE的结果对通行时间阈值T的计算公式中的参数N和K进行调整,以减小误差。
这样,通过实际车流量和判别车流量计算绝对百分比误差,从而基于该误差对初始排序计量参数和初始修正参数进行调整,提高通行时间阈值判别的准确性。
本申请实施例提供了一种服务区车辆判别装置,用于执行本发明上述内容所述的服务区车辆判别方法,以下对所述服务区车辆判别装置进行详细描述。
如图10所示,所述服务区车辆判别装置,其包括:
第一获取单元101,其用于获取服务区位置,确定与所述服务区相邻的上游门架和下游门架;
第一确定单元102,其用于读取所述上游门架和下游门架在预设时段内的过车数据,并确定每个车辆的通行时长,所述通行时长为整分钟数;
第一统计单元103,其用于统计每个所述通行时长对应的车辆数,并按照车辆数进行降序排序;
第一计算单元104,其用于获取预设的排序计量参数和修正参数,并根据排序后的车辆数、所述排序计量参数和所述修正参数,计算通行时间阈值;
第一判别单元105,其用于根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆。
这样,通过针对目标服务区,对从高速公路上的门架数据中提取该服务区最临近的上、下游门架过车数据,并进行统计、处理、计算得到车辆不进入该服务区的通行时间阈值,根据计算得出的通行时间阈值及每个车辆的通行时间来判断车辆是否进入服务区,进而统计进入所述服务区的车流量;这样,可以在现有设备的基础上对车辆进行准确的判别。
这样,无需增加新的硬件设备,也不需要对现有设施进行改造,只需使用现有的门架数据即可,同时还可以灵活调整以适应不同路况,实现以较小的代价对车辆是否进入服务区进行判断,从而方便快速地对进入服务区的车流量进行统计。
优选地,通行时间阈值的计算公式为:
其中,T为通行时间阈值,i为车辆数按照降序排列的排序序号,ti为第i 个车辆数对应的通行时长,N为排序计量参数,K为修正参数,K为正整数。
这样,计算公式中,通过将降序的前N个通行时长的平均数作为一般通行时长,从而对应为大部分以较高速度通过且不进入服务区的车辆通过G1和G2 的通行时长,通过加入修正参数,从而可以对通行时间阈值根据实际情况进行修正。从而可以准确地计算出通行时间阈值,进而对车辆的通行时长进行准确的判定。
这样,通行时间阈值的计算建立在结合实际情况的推理和对大量真实数据的分析之上,从而使得计算结果更加符合实际情况,进而基于计算结果得到准确度更高的统计数据。
优选地,第一判别单元105还用于:判断各车辆的所述通行时长是否大于所述通行时间阈值;若车辆的所述通行时长大于所述通行时间阈值,则判断该车辆进入所述服务区;若车辆的所述通行时长小于等于所述通行时间阈值,则判断该车辆未进入所述服务区。
这样,通过通行时间阈值,直接判断车辆是否进入服务区,简单方便。且基于判断结果,还可以对进入服务区的车辆进行车流量统计,从而便于提升服务区的服务质量。
优选地,所述服务区车辆判别装置还包括参数获取单元(图中未画出),所述参数获取单元用于:获取样本时段内服务区的实际车流量、上游门架和下游门架的过车数据;根据所述上游门架和下游门架的过车数据,确定每个车辆的通行时长,并按照统计的每个所述通行时长的车辆数进行降序排序;根据排序后的车辆数,设置初始排序计量参数和初始修正参数;根据排序后的车辆数、初始排序计量参数和初始修正参数,计算通行时间阈值;根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆,并确定所述服务区的判别车流量;根据所述判别车流量和所述实际车流量,计算绝对百分比误差;若所述绝对百分比误差大于预设的百分比阈值,则调整所述初始排序计量参数和初始修正参数,并重新计算所述通行时间阈值;若所述绝对百分比误差小于预设的百分比阈值,则将所述初始排序计量参数和所述初始修正参数保存为所述排序计量参数和所述修正参数。这样,通过百分比误差对初始排序计量参数和初始修正参数进行循环调整,直至准确率达到预设为止,从而提高通行时间阈值判别的准确性。
优选地,所述初始排序计量参数的取值范围为[1,4]。这样,可以与车辆通过两个相邻门架的实际通行时长不会太长相对应,从而提高计算的准确性。
优选地,初始修正参数的取值范围为[0,3]。这样,通过修正参数,可以与车辆通过两个相邻门架的实际通行时长不会太长相对应,从而提高计算的准确性。
优选地,所述初始排序计量参数的取值为3,所述初始修正参数的取值为 1,这样,可以获得比较接近实际的效果,从而避免重复性的设置。
优选地,绝对百分比误差的计算公式为:
其中,APE为所述绝对百分比误差,Y为所述服务区的所述实际车流量, Y*为所述服务区的所述判别车流量。
这样,通过实际车流量和判别车流量计算绝对百分比误差,从而基于该误差对初始排序计量参数和初始修正参数进行调整,提高通行时间阈值判别的准确性。
本申请实施例提供了一种电子设备,如图11所示,其包括存储有计算机程序的计算机可读存储介质301和处理器302,所述计算机程序被所述处理器读取并运行时,实现如前述所述的服务区车辆判别方法。
这样,通过对从高速公路上的门架数据中提取的过车数据进行分析,应用分析计算得出的通行时间阈值来判断车辆是否进入服务区,进而统计所述服务区的车流量;这样,可以在现有设备的基础上对车辆进行准确的判别。
这样,无需增加新的硬件设备,也不需要对现有设施进行改造,只需使用现有的门架数据即可,同时还可以灵活调整以适应不同路况,实现以较小的代价对车辆是否进入服务区进行判断,从而方便快速地对进入服务区的车流量进行统计。
这样,通过百分比误差对排序计量参数和修正参数进行循环调整,直至准确率达到预设为止,从而提高通行时间阈值判别的准确性。
本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如前述所述的服务区车辆判别方法。
本发明实施例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(可以是空调器,制冷装置,个人计算机,服务器,或者网络设备等)或processor(处理器) 执行本发明实施例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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
这样,通过对从高速公路上的门架数据中提取的过车数据进行分析,应用分析计算得出的通行时间阈值来判断车辆是否进入服务区,进而统计所述服务区的车流量;这样,可以在现有设备的基础上对车辆进行准确的判别。
这样,无需增加新的硬件设备,也不需要对现有设施进行改造,只需使用现有的门架数据即可,同时还可以灵活调整以适应不同路况,实现以较小的代价对车辆是否进入服务区进行判断,从而方便快速地对进入服务区的车流量进行统计。
这样,通过百分比误差对排序计量参数和修正参数进行循环调整,直至准确率达到预设为止,从而提高通行时间阈值判别的准确性。
需要说明的是,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。
本申请中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见前述所述实施例的部分说明即可。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (9)
1.一种服务区车辆判别方法,其特征在于,包括:
获取服务区的位置,确定与所述服务区相邻的上游门架和下游门架;
读取所述上游门架和下游门架在预设时段内的过车数据,并确定每个车辆的通行时长;
统计每个所述通行时长对应的车辆数,并对所述过车数据按照车辆数进行降序排序;
获取预设的排序计量参数和修正参数,并根据排序后的车辆数、所述排序计量参数和所述修正参数,计算通行时间阈值;
根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆;其中,所述计算通行时间阈值包括:采用通行时间阈值计算公式进行计算,
所述通行时间阈值的计算公式为:
其中,T为通行时间阈值,i为车辆数按照降序排列的排序序号,ti为第i个车辆数对应的通行时长,N为排序计量参数,K为修正参数,K为正整数。
2.如权利要求1所述的方法,其特征在于,所述根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆,包括:
判断各车辆的所述通行时长是否大于所述通行时间阈值;
若车辆的所述通行时长大于所述通行时间阈值,则判断该车辆进入所述服务区;
若车辆的所述通行时长小于等于所述通行时间阈值,则判断该车辆未进入所述服务区。
3.如权利要求1所述的方法,其特征在于,所述排序计量参数和修正参数的获取过程包括:
获取样本时段内服务区的实际车流量、上游门架和下游门架的过车数据;
根据所述上游门架和下游门架的过车数据,确定每个车辆的通行时长,并按照统计的每个所述通行时长的车辆数进行降序排序;
根据排序后的车辆数,设置初始排序计量参数和初始修正参数;
根据排序后的车辆数、初始排序计量参数和初始修正参数,计算初始通行时间阈值;
根据所述初始通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆,并确定所述服务区的判别车流量;
根据所述判别车流量和所述实际车流量,计算绝对百分比误差;
若所述绝对百分比误差大于预设的百分比阈值,则调整所述初始排序计量参数和初始修正参数,并重新计算所述通行时间阈值;
若所述绝对百分比误差小于预设的百分比阈值,则将所述初始排序计量参数和所述初始修正参数保存为所述排序计量参数和所述修正参数。
4.如权利要求3所述的方法,其特征在于,所述初始排序计量参数的取值范围为[1,4]。
5.如权利要求3所述的方法,其特征在于,所述初始修正参数的取值范围为[0,3]。
7.一种服务区车辆判别装置,其特征在于,包括:
第一获取单元,其用于获取服务区的位置,确定与所述服务区相邻的上游门架和下游门架;
第一确定单元,其用于读取所述上游门架和下游门架在预设时段内的过车数据,并确定每个车辆的通行时长;
第一统计单元,其用于统计每个所述通行时长对应的车辆数,并按照车辆数进行降序排序;
第一计算单元,其用于获取预设的排序计量参数和修正参数,并根据排序后的车辆数、所述排序计量参数和所述修正参数,计算通行时间阈值;
第一判别单元,其用于根据所述通行时间阈值和每个车辆的所述通行时长,判别出进入所述服务区的车辆;
其中,所述计算通行时间阈值包括:采用通行时间阈值计算公式进行计算,所述通行时间阈值的计算公式为:
其中,T为通行时间阈值,i为车辆数按照降序排列的排序序号,ti为第i个车辆数对应的通行时长,N为排序计量参数,K为修正参数,K为正整数。
8.一种电子设备,其特征在于,包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如权利要求1-6任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111258289.3A CN114155706B (zh) | 2021-10-27 | 2021-10-27 | 一种服务区车辆判别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111258289.3A CN114155706B (zh) | 2021-10-27 | 2021-10-27 | 一种服务区车辆判别方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114155706A CN114155706A (zh) | 2022-03-08 |
CN114155706B true CN114155706B (zh) | 2023-02-17 |
Family
ID=80458346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111258289.3A Active CN114155706B (zh) | 2021-10-27 | 2021-10-27 | 一种服务区车辆判别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114155706B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311861B (zh) * | 2022-08-10 | 2023-04-11 | 交通运输部科学研究院 | 高速公路疲劳驾驶判别方法、装置、电子设备及存储介质 |
CN115527380B (zh) * | 2022-09-15 | 2023-07-21 | 交通运输部科学研究院 | 车辆行驶速度测算方法、装置、计算机设备及存储介质 |
CN115204755B (zh) * | 2022-09-15 | 2022-12-06 | 交通运输部科学研究院 | 服务区入区率测算方法、装置、电子设备及可读存储介质 |
CN115457774B (zh) * | 2022-10-31 | 2023-03-03 | 江西锦路科技开发有限公司 | 基于高速服务区的车流量采集方法、装置、设备及介质 |
CN115731629A (zh) * | 2022-11-08 | 2023-03-03 | 太极计算机股份有限公司 | 一种基于流式计算实时分析门架交易数据方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6449555B1 (en) * | 1999-03-05 | 2002-09-10 | Kabushiki Kaisha Toshiba | Run time information arithmetic operation apparatus |
JP3556536B2 (ja) * | 1999-09-03 | 2004-08-18 | 株式会社東芝 | 交通流解析システム |
CN107507418B (zh) * | 2017-08-09 | 2020-05-15 | 清华大学 | 一种高速公路车辆进入服务区停留过程分析方法及装置 |
CN109800916B (zh) * | 2019-01-23 | 2021-04-23 | 山东省交通规划设计院有限公司 | 一种高速公路服务区驶入车流量的建模方法 |
CN112419772A (zh) * | 2020-11-20 | 2021-02-26 | 江西科技学院 | 一种基于车联网的道路通行大数据推送系统 |
CN112581774B (zh) * | 2020-12-08 | 2022-09-09 | 重庆大学 | 一种基于etc数据的高速公路服务区驶入车流量估计方法 |
-
2021
- 2021-10-27 CN CN202111258289.3A patent/CN114155706B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114155706A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114155706B (zh) | 一种服务区车辆判别方法、装置、电子设备和存储介质 | |
CN110751828B (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
CN106781460B (zh) | 一种路段交通状态确定方法及装置 | |
CN109446881B (zh) | 一种基于异构数据的高速公路路段交通状态检测方法 | |
CN106710215A (zh) | 瓶颈上游车道级交通状态预测系统及实现方法 | |
CN112687099B (zh) | 一种超载嫌疑车辆判定方法和装置 | |
CN107146409B (zh) | 路网中设备检测时间异常的识别和真实时差估算方法 | |
CN112767681B (zh) | 一种交通状态检测方法、装置及相关设备 | |
CN115691120A (zh) | 一种基于高速公路流水数据的拥堵识别方法及系统 | |
Biswas et al. | Assessment of level-of-service on urban arterials: a case study in Kolkata metropolis | |
CN112767684A (zh) | 一种基于收费数据的高速公路交通拥堵检测方法 | |
CN108629982B (zh) | 一种基于旅行时间分布规律的路段车辆数估计方法 | |
CN110674887A (zh) | 一种基于视频分类的端到端道路拥堵检测算法 | |
CN113255469A (zh) | 交通监控场景道路占有率的测定方法及装置 | |
CN116109986A (zh) | 一种基于激光雷达和视频技术互补的车辆轨迹提取方法 | |
CN117953693A (zh) | 一种基于视频ai的高速公路交通智能监测系统 | |
CN111707476A (zh) | 一种面向自动驾驶汽车的纵向驾驶能力检测方法 | |
CN109344903B (zh) | 基于车载感知数据的城市道路路面故障实时检测方法 | |
CN117173899B (zh) | 一种智慧城市交通出行品质评价方法 | |
CN113919571A (zh) | 基于边缘计算的危化品运输保费预估方法 | |
JP2007188340A (ja) | 通過時間提供装置 | |
CN117079460A (zh) | 一种面向时间序列的arima模型对城市短时交通流预测的方法 | |
KR20170115087A (ko) | 타이어 패턴 판정 장치, 차종 판별 장치, 타이어 패턴 판정 방법 및 프로그램 | |
JP4030354B2 (ja) | 突発事象検出装置 | |
CN115440071A (zh) | 一种自动驾驶违规停车检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |