CN115909727A - 一种收费站效能监测方法、装置 - Google Patents

一种收费站效能监测方法、装置 Download PDF

Info

Publication number
CN115909727A
CN115909727A CN202211365091.XA CN202211365091A CN115909727A CN 115909727 A CN115909727 A CN 115909727A CN 202211365091 A CN202211365091 A CN 202211365091A CN 115909727 A CN115909727 A CN 115909727A
Authority
CN
China
Prior art keywords
key
lane
efficiency
factor
traffic
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
Application number
CN202211365091.XA
Other languages
English (en)
Inventor
陈学文
江凡
邢万勇
曾人奋
黄文摄
黄军飞
罗燕忠
肖洲洋
刘家毅
张建民
侯林汝
孟宇
李丹
齐慕予
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cats Testing Technology Beijing Co ltd
Guangdong Litong Technology Investment Co ltd
Guangdong Yunmao Expressway Co ltd
Original Assignee
Cats Testing Technology Beijing Co ltd
Guangdong Litong Technology Investment Co ltd
Guangdong Yunmao Expressway Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cats Testing Technology Beijing Co ltd, Guangdong Litong Technology Investment Co ltd, Guangdong Yunmao Expressway Co ltd filed Critical Cats Testing Technology Beijing Co ltd
Priority to CN202211365091.XA priority Critical patent/CN115909727A/zh
Publication of CN115909727A publication Critical patent/CN115909727A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Devices For Checking Fares Or Tickets At Control Points (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种收费站效能监测方法、装置。获取收费站的实时数据；根据所述实时数据，计算当前时刻的通行效率关键因素对应的数值；所述通行效率关键因素包括车道空闲次数、交易时间、通行流量、车道平均通行时间、车道平均通行速度、车道数、车道类型、车道实过车效率、车辆排队长度中的至少一项；根据所述当前时刻的所述通行效率关键因素对应的数值，计算所述收费站当前时刻的畅通指数；根据所述收费站当前时刻的畅通指数，确定是否进行车道切换。方便现场管理人员根据车流量变化情况、车道运行状态等动态调整车道，为收费站运营管理工作提供决策依据和数据支撑，以避免拥堵给收费站造成的效率低的问题。

Description

一种收费站效能监测方法、装置
技术领域
本申请涉及交通管理技术领域，尤其是涉及一种收费站效能监测方法、装置。
背景技术
收费站是连接高速公路与城市道路的重要节点，其效能影响高速公路盈利水平及车流集散能力。随着电子不停车收费系统(Electronic Toll Collection,ETC)使用率的增加，大大提高了公路的通行效率，降低了收费管理的成本,有利于提高车辆运营效益。尽管如此，大部分车辆仍然没有办理ETC卡，以至于目前收费站存在多种类型的车道。
近年来大多数研究主要集中在收费站通行能力评估及收费站车道布设等问题上，对于收费站效能的评价并没有存在统一的标准。基于此，由于监测因素不全，导致收费站人员对当前收费站效能的评价不准确，无法及时获知车道通行状态，以至于当收费站可能遭遇拥堵的突发状况时，无法提前采取应对措施。
发明内容
本申请提供一种收费站效能监测方法、装置，实现收费站效能评价内容全面化，提高效能评价结果准确度，方便现场管理人员根据车流量变化情况、车道运行状态等动态调整车道，为收费站运营管理工作提供决策依据和数据支撑。
第一方面，本申请提供一种收费站效能监测方法，所述方法包括：
获取收费站的实时数据；
根据所述实时数据，计算当前时刻的通行效率关键因素对应的数值；所述通行效率关键因素包括车道空闲次数、交易时间、通行流量、车道平均通行时间、车道平均通行速度、车道数、车道类型、车道实过车效率、车辆排队长度中的至少一项；
根据所述当前时刻的所述通行效率关键因素对应的数值，计算所述收费站当前时刻的畅通指数；
根据所述收费站当前时刻的畅通指数，确定是否进行车道切换。
可选的，所述方法还包括：
根据第一预设周期内所述收费站的实时数据，确定所述第一预设周期内的通行数据；所述通行数据包括ETC通行成功率、不同车型对应的ETC占比、不同车型对应的车道通行流水、不同车道类型对应的车道通行流水、各车道车流量及当日累计车流量中的至少一项；
将所述第一预设周期内的通行数据以图表形式显示。
可选的，所述根据所述当前时刻的所述通行效率关键因素对应的数值，计算所述收费站当前时刻的畅通指数，包括：
获取第二预设周期内所述通行效率关键因素的权重、所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值；
针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值，对所述当前时刻的所述通行效率关键因素对应的数值进行归一化处理，得到当前时刻的通行效率关键因素值；
针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优目标、所述通行效率关键因素对应的最劣目标，确定所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离；
基于所述通行效率关键因素的权重、所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离，确定当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度；
将所述当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度转化为所述收费站当前时刻的畅通指数。
可选的，所述获取第二预设周期内所述通行效率关键因素的权重，包括：
获取所述第二预设周期内所述收费站的实时数据；
根据所述第二预设周期内所述收费站的实时数据确定所述第二预设周期内通行效率关键因素对应的数值；
将所述第二预设周期内通行效率关键因素对应的数值进行最大最小归一化处理，得到所述第二预设周期内通行效率关键因素值；
针对每一通行效率关键因素，确定出所述通行效率关键因素对应的每一个第二预设周期内通行效率关键因素值占第二预设周期内通行效率关键因素值的总和的比重；
基于所述通行效率关键因素对应的每一个第二预设周期内通行效率关键因素值占第二预设周期内通行效率关键因素值的总和的比重，确定出所述第二预设周期内每一通行效率关键因素的熵值；
基于所述每一通行效率关键因素的熵值，确定出所述每一通行效率关键因素的信息熵冗余度；基于所述每一通行效率关键因素的信息熵冗余度，确定出所述获取第二预设周期内所述通行效率关键因素的权重。
可选的，所述方法还包括：
根据ETC通行成功率，判断ETC设备的运行状态；
若所述ETC通行成功率小于预设阈值，输出提示信息，以提示ETC设备的运行状态异常。
可选的，所述方法还包括：
获取预先建立的所述收费站的模型；所述收费站的模型中包括收费亭及对应的车道、设置在各车道的设备；所述设备包括车道路测单元RSU、牌识设备、车道控制器、所述收费站的收费车道监控设备；
将所述第一预设周期内的通行数据以图表形式显示在所述收费站的模型上。
可选的，所述方法还包括：
对设置在各车道的所述设备的运行状态进行监测；
当某一设备出现异常时，进行异常提醒。
第二方面，本申请提供一种收费站效能监测装置，包括：
数据接收模块，用于获取收费站的实时数据；
确定关键因素模块，用于根据所述实时数据，确定当前时刻的通行效率关键因素对应的数值；所述通行效率关键因素包括ETC通行成功率、ETC车道抬杆率、车道平均通行时间、平均过车速度、收费站的通行流量、实时排队长度、过车效率、收费站通行效率、收费站车道日志、收费站交易特情数据中的至少一项；
指数计算模块，用于根据当前时刻的所述通行效率关键因素，计算所述收费站当前时刻的畅通指数；
车道切换模块，用于根据所述收费站当前时刻的畅通指数，确定是否进行车道切换。
可选的，所述装置还包括数据显示模块，用于：
根据第一预设周期内所述收费站的实时数据，确定所述第一预设周期内的通行数据；所述通行数据包括ETC通行成功率、不同车型对应的ETC占比、不同车型对应的车道通行流水、不同车道类型对应的车道通行流水、各车道车流量及当日累计车流量中的至少一项；
将所述第一预设周期内的通行数据以图表形式显示。
可选的，所述指数计算模块，具体用于：
获取第二预设周期内所述通行效率关键因素的权重、所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值；
针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值，对所述当前时刻的所述通行效率关键因素对应的数值进行归一化处理，得到当前时刻的通行效率关键因素值；
针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优目标、所述通行效率关键因素对应的最劣目标，确定所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离；
基于所述通行效率关键因素的权重、所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离，确定当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度；
将所述当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度转化为所述收费站当前时刻的畅通指数。
可选的，所述指数计算模块在获取第二预设周期内所述通行效率关键因素的权重时，具体用于：
获取所述第二预设周期内所述收费站的实时数据；
根据所述第二预设周期内所述收费站的实时数据确定所述第二预设周期内通行效率关键因素对应的数值；
将所述第二预设周期内通行效率关键因素对应的数值进行最大最小归一化处理，得到所述第二预设周期内通行效率关键因素值；
针对每一通行效率关键因素，确定出所述通行效率关键因素对应的每一个第二预设周期内通行效率关键因素值占第二预设周期内通行效率关键因素值的总和的比重；
基于所述每一通行效率关键因素中的一个样本占所述每一通行效率关键因素的比重，确定出所述每一通行效率关键因素的熵值；
基于所述每一通行效率关键因素的熵值，确定出所述每一通行效率关键因素的信息熵冗余度；基于所述每一通行效率关键因素的信息熵冗余度，确定出所述获取第二预设周期内所述通行效率关键因素的权重。
可选的，所述装置还包括ETC监测模块，用于：
根据ETC通行成功率，判断ETC设备的运行状态；
若所述ETC通行成功率小于预设阈值，输出提示信息，以提示ETC设备的运行状态异常。
可选的，所述装置还包括车道设备展示模块，用于：
获取预先建立的所述收费站的模型；所述收费站的模型中包括收费亭及对应的车道、设置在各车道的设备；所述设备包括车道路测单元RSU、牌识设备、车道控制器、所述收费站的收费车道监控设备、所述收费站的收费广场视频监控设备；
所述将所述第一预设周期内的通行数据以图表形式显示，包括：
将所述第一预设周期内的通行数据以图表形式显示在所述收费站的模型上。
可选的，所述装置还包括车道设备监测模块，用于：
对设置在各车道的所述设备的运行状态进行监测；
当某一设备出现异常时，进行异常提醒。
第三方面，本申请提供一种电子设备，包括：存储器和处理器，所述存储器上存储有能够被处理器加载并执行第一方面的方法的计算机程序。
第四方面，本申请提供一种计算机可读存储介质，存储有能够被处理器加载并执行第一方面的方法的计算机程序。
第五方面，本申请提供一种计算机程序产品，包括：计算机程序；所述计算机程序被处理器执行时，实现如第一方面任一项所述的方法。
本申请提供了一种收费站效能监测方法、装置。监测装置可以根据获取收费站的实时数据，计算当前时刻的通行效率关键因素；通行效率关键因素包括车道空闲次数、交易时间、通行流量、车道平均通行时间、车道平均通行速度、车道数、车道类型、车道实际过车效率、车辆排队长度中的至少一项；根据当前时刻的通行效率关键因素，计算收费站当前时刻的畅通指数，并确定是否进行车道切换，实现收费站效能评价内容全面化，提高效能评价结果准确度，方便现场管理人员根据车流量变化情况、车道运行状态等动态调整车道，为收费站运营管理工作提供决策依据和数据支撑。
另外，将本申请中获取到的一部分数据进行统计后以图表的形式展示在收费站的模型上，可以清晰直观的观察到一段时间内的数据变化，减少了工作人员对数据的分析时间。
本申请使用了熵值法和TOPSIS算法，使整个计算过程更加精准。首先应用相关系数法首次提取影响通行效率的关键因素；通过熵值法进一步计算关键因素的权重，已得到影响通行效率的最关键因素，并为后续计算奠定了基础；最后利用TOPSIS算法，得出当前时刻的关键因素在当前时刻与相关的最优解、最劣解的对比关系，并进行百分制转化后排名。这样的计算大大减少了分析数据的时间，也更加客观，具有说服力。
另外，本申请还提供了ETC设备和收费站其他设施的监测功能。通过监测和设备异常提醒使现场管理人员能够及时发现并调整设备状态，以避免设备异常而影响通行效率，造成拥堵。
附图说明
为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的一种应用场景示意图；
图2为本申请一实施例提供的一种收费站效能监测方法的流程图
图3a为本申请一实施例提供的一种数据展示图表；
图3b为本申请一实施例提供的另一种数据展示图表；
图4为本申请一实施例提供的一种收费站模型图；
图5为本申请一实施例提供的一种收费站效能监测装置的结构示意图。
图6为本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
收费站是连接高速公路与城市道路的重要节点，其效能影响高速公路盈利水平及车流集散能力。
近年来大多数研究主要集中在收费站通行能力评估及收费站车道布设等问题上，对于收费站效能的评价并没有存在统一的标准。基于此，由于监测因素不全，导致收费站人员对当前收费站效能的评价不准确，无法及时获知车道通行状态，以至于当收费站可能遭遇拥堵的突发状况时，无法提前采取应对措施。
基于此，本申请提供一种收费站效能监测方法、装置，实现收费站效能评价内容全面化，提高效能评价结果准确度，方便现场管理人员根据车流量变化情况、车道运行状态等动态调整车道，为收费站运营管理工作提供决策依据和数据支撑。
图1为本申请提供的一种应用场景示意图。当车辆进入收费站进行识别通过过程中，应用本申请的方案进行监测管理。具体的，在收费站内设置的服务器中部署相应方法，并在收费站广场、车道设置监控设备。通过服务器中的相应装置实现对收费站中监控设备的数据获取，了解当前收费站车道状态、车辆状态以及各设备状态，方便现场管理人员根据车流量变化情况、车道运行状态等方面进行动态调整车道，达到当收费站可能遭遇拥堵的突发状况时，能提前采取应对措施的目的。
具体的实现方式可以参考以下实施例。
图2为本申请一实施例提供的一种收费站效能监测方法的流程图，本实施例的方法可以应用于以上场景中的服务器。如图2所示的，该方法包括：
S201、获取收费站的实时数据。
具体的，服务器通过设立在收费站的监控设备进行实时数据的获取。
服务器可以获取收费系统中车道日志数据、车道基础数据、车道监控数据的各项数据中的至少一项。其中，车道日志数据主要是为了记录车道状态；车道基础数据主要是车道的基本信息；车道监控数据是通过已经设置好的监控设备所收集到的数据，监控设备通常设置在收费站的各个车道与收费站的广场中，用来监测收费站的运行状态。
车道日志数据包括：车牌号码、车牌颜色、车型、入口收费站及时间、交易时间、交易序列号及类型、交易前余额、交易后余额及耗时、抬杆后通过时间等中的至少一项。
车道基础数据包括：车道数、车道类型等中的至少一项。
车道监控数据包括：车辆过车速度、车辆类型、车道排队长度等中的至少一项。
收集各项数据的目的是为了分析通行效率关键因素时能够更加全面。
S202、根据所述实时数据，计算当前时刻的通行效率关键因素对应的数值；所述通行效率关键因素包括车道空闲次数、交易时间、通行流量、车道平均通行时间、车道平均通行速度、车道数、车道类型、车道实际过车效率、车辆排队长度中的至少一项。
通过S201获取的实时数据进行分析得到影响通行效率关键因素对应的数值。
在一些实施例中，可以通过皮尔森相关系数法从可能影响通行效率的多个因素中，确定影响较大的若干因素(通行效率关键因素)。
需要说明的是，皮尔森相关系数法是一种常用的线性关系系数，用来反映变量的线性关系程度，得到的数值在(-1，1)之间，绝对值越大表明相关性越强。
通过皮尔森相关系数法可以得出所有影响通行效率的因素与通行效率之间的相关度。这个相关度是一个集中在(-1,1)之间的数值。
在一些场景中，可以对得出的所有影响通行效率的因素与通行效率之间的相关度的绝对值进行排序，得到排名前N的因素即为关键因素(通行效率关键因素)。
在另一些场景中，可以设置相关度的绝对值阈值，若相关度的绝对值高于所设置的绝对值阈值，则可确定该相关度所代表的因素为关键因素(通行效率关键因素)。
S203、根据所述当前时刻的所述通行效率关键因素对应的数值，计算所述收费站当前时刻的畅通指数。
具体的，畅通指数是根据当前时刻得到的影响通行效率的关键因素对应的数值，通过计算得到的。这是一个相对全面且客观的评价当前收费站状态的指数。
需要说明的是，畅通指数能够直观反馈收费站的拥堵和通畅情况。
在一些场景中，可以计算收费站总体的畅通指数、各ETC车道的畅通指数以及各混合车道的畅通指数，并进行区分，展示在收费站模型中，以保证工作人员可以直观的看到畅通指数的变化。
在另一些场景中，还可以计算收费站各个人工半自动收费(MobileTestingCenter,MTC)车道的畅通指数、各个虚拟车道(便携机)的畅通指数。具体的，工作人员可以根据收费站车道的实际分类类型计算各个不同车道的畅通指数。
需要说明的是，各类畅通指数的计算的方法都是一致的，区别仅在于计算各类畅通指数所基于的原始数据不一致。每一类畅通指数的计算依赖于对应车道的实时数据。
总体畅通指数反映整个收费站的畅通程度；ETC车道畅通指数反映各个ETC车道的畅通程度；混合车道畅通指数反映各个混合车道的畅通程度；MTC车道畅通指数反映各个MCT车道的畅通程度；虚拟车道(便携机)畅通指数反映各虚拟车道(便携机)的畅通指数。
MCT车道是人工半自动收费车道，当汽车进入MTC车道时，MCT车道的汽车系统会将车辆信息自动分类，然后反馈给自动收费软件系统该车属于哪一类型的车辆，自动收费软件系统根据此信息判断应该收取多少数额的通行费，当交易完成后，自动收费软件系统向自动栏杆发出命令，让车辆通过完成收费。
S204、根据所述收费站当前时刻的畅通指数，确定是否进行车道切换。
根据计算的畅通指数，可以设置畅通阈值，如果畅通指数超过设置的畅通阈值，则表示当前收费站和/或车道处于非畅通状态。
若畅通指数超过设置的畅通阈值，则可以显示提示框，显示内容可以为当前收费站和/或车道的畅通指数是多少，处于非畅通状态。
通过提示框的显示，工作人员可以结合真实情况进行判断，当前状态是否需要进行车道切换，如果确实需要进行车道切换，工作人员则下达指令切换相对应车道。
这里需要补充的是，通过计算得到的畅通指数只是作为参考的依据。工作人员可以进行现实状况与畅通指数的对比，如果工作人员认为当前畅通指数的显示符合实际情况，则表示当前判断准确，并进行车道切换；若当前显示的畅通指数与实际情况相差较大，则需要工作人员手动进行动态调整，以使畅通指数得到更新。
本实施例可以根据获取收费站的实时数据，计算当前时刻的通行效率关键因素对应的数值；所述通行效率关键因素包括车道空闲次数、交易时间、通行流量、车道平均通行时间、车道平均通行速度、车道数、车道类型、车道实过车效率、车辆排队长度中的至少一项；根据当前时刻的所述通行效率关键因素对应的数值，计算所述收费站当前时刻的畅通指数；并确定是否进行车道切换，防止因通行效率的关键因素中的某一因素影响而导致收费站运行效率降低的问题。
在一些实施例中，服务器可以将第一预设周期内的通行数据以图表的形式显示，实现数据可视化。具体的，以上方法还包括：根据第一预设周期内所述收费站的实时数据，确定所述第一预设周期内的通行数据；所述通行数据包括ETC通行成功率、不同车型对应的ETC占比、不同车型对应的车道通行流水、不同车道类型对应的车道通行流水、各车道车流量及当日累计车流量中的至少一项；将所述第一预设周期内的通行数据以图表形式显示。
在上述步骤S201获取收费站的实时数据后，基于对这些数据的分析，得到ETC通行成功率、不同车型对应的ETC占比、不同车型对应的车道通行流水、不同车道类型对应的车道通行流水、各车道车流量及当日累计车流量中的至少一项通过图表的形式展示，例如图3a、图3b所示。
具体的，其中图3a包括ETC通行成功率(y轴为ETC通行成功率，x轴为日期)，货车ETC占比(y轴为货车ETC占比，x轴为日期)，以及总体车道通行流水(y轴为数量，x轴为日期)；图3b为前日车道流水统计，其中包括三大板块，第一个板块为ETC使用分析：ETC使用占总车流比、客车ETC占总客车比、货车ETC占总货车比；第二板块为按收费车型(客车、货车、专项车)统计的车道通行流水；第三板块为按车道类型(ETC车道、MTC车道、混合车道、虚拟车道(便携机))统计的车道通行流水。
其中，ETC通行成功率是通过扣款交易成功数/发起交易数后转换为百分制的形式得来的。
需要说明的是，图3a、图3b只作为其中一种内容展示示例，里面的具体数值对本申请不构成限制。
本实施例可以通过图表的形式直观的呈现第一预设周期内的收费站的过车流量及车种的展示，可以更加直观的观察一段时间内的ETC通行成功率、货车ETC占比、车道通行流水以及昨日ETC使用分析、车道通行流水等内容。从而节约了工作人员的对数据的分析时间，提高工作效率。
在一些实施例中，上述的根据当前时刻的所述通行效率关键因素，计算所述收费站当前时刻的畅通指数，具体包括：获取第二预设周期内所述通行效率关键因素的权重、所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值；针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值，对所述当前时刻的所述通行效率关键因素对应的数值进行归一化处理，得到当前时刻的通行效率关键因素值；针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优目标、所述通行效率关键因素对应的最劣目标，确定所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离；基于所述通行效率关键因素的权重、所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离，确定当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度；将所述当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度转化为所述收费站当前时刻的畅通指数。
在一些场景中，可以应用TOPSIS法得到各个关键因素与最优目标或最劣目标的贴近程度。
因为通行效率关键因素中的每个因素的单位是不同的，所以可以对关键因素进行最大最小归一化处理，去掉每个因素的单位，方便后续的计算，如公式(1)所示。此步骤需要考虑关键因素的正反向进行调整。
Figure BDA0003923693510000101
其中，zij表示通行效率关键因素j最大归一化后的结果；zij表示通行效率关键因素j中的第i个数据最小归一化后的结果；xij表示通行效率关键因素j中的第i个数据；max表示通行效率关键因素j中的最大值；min表示通行效率关键因素j中的最小值。
然后计算通行效率关键因素j与最优目标的欧式距离，并乘以获取的权重，得到通行效率关键因素j中的第i个数据最优目标的距离，如公式(2)所示：
Figure BDA0003923693510000111
其中，
Figure BDA0003923693510000112
表示通行效率关键因素j中的第i个数据与最优目标的距离；
Figure BDA0003923693510000113
表示通行效率关键因素j的最优目标；zij表示通行效率关键因素j中的第i个数据最小归一化后的结果；ωj表示通行效率关键因素j权重；m表示通行效率关键因素j中数据i的个数。
计算通行效率关键因素j与最优目标的欧式距离，并乘以获取的权重，得到通行效率关键因素j中的第i个数据与最劣目标的距离，如公式(3)所示：
Figure BDA0003923693510000114
其中，
Figure BDA0003923693510000115
表示通行效率关键因素j中的第i个数据与最劣目标的距离；
Figure BDA0003923693510000116
表示通行效率关键因素j的最劣目标；zij表示通行效率关键因素j中的第i个数据最小归一化后的结果；ωj表示通行效率关键因素j权重；m表示通行效率关键因素j中数据i的个数。
计算各个关键因素与最优目标的距离的贴近程度，如公式(4)所示：
Figure BDA0003923693510000117
其中，Ci表示通行效率关键因素j中的第i个数据贴近程度；
Figure BDA0003923693510000118
表示通行效率关键因素j中的第i个数据与最劣目标的距离；
Figure BDA0003923693510000119
表示通行效率关键因素j中的第i个数据与最优目标的距离。
另外，权重是指通行效率关键因素中的每一项关键因素在所有通行效率关键因素中的比重；通行效率关键因素对应的最优数值是在第二预设周期内通过历史数据分析得到的这一预设周期内代表畅通程度最好的数值，通行效率关键因素对应的最劣数值是在第二预设周期内通过历史数据分析得到的这一预设周期内代表畅通程度最差的数值。
通行效率关键因素值是对当前时刻的通行效率关键因素对应的数值进行归一化处理后得到的，使单位不同的各个通行效率关键因素变成统一的不带有单位的数值，方便后续的计算和对比。
最优目标是指在相对最畅通状态下的目标，最劣目标是指在相对最不畅通状态下的目标。
本实施例通过最大最小归一化处理单位不同的各个通行效率关键因素，使其变成不带有单位的数值，方便后续的计算。通过计算欧式距离，分别得到通行效率关键因素与通行效率关键因素对应的最优数值的距离、通行效率关键因素与通行效率关键因素对应的最劣数值的距离，从而乘以权重得到对应的通行效率关键因素的最优目标和最劣目标。最终得到对应的通行效率关键因素的贴近程度。通过上述算法可以使计算误差降低，计算得到的畅通指数也更具有真实性。
在一些实施例中，上述获取第二预设周期内所述通行效率关键因素的权重，具体包括：获取所述第二预设周期内所述收费站的实时数据；根据所述第二预设周期内所述收费站的实时数据确定所述第二预设周期内通行效率关键因素对应的数值；将所述第二预设周期内通行效率关键因素对应的数值进行最大最小归一化处理，得到所述第二预设周期内通行效率关键因素值；针对每一通行效率关键因素，确定出所述通行效率关键因素对应的每一个第二预设周期内通行效率关键因素值占第二预设周期内通行效率关键因素值的总和的比重；基于所述每一通行效率关键因素中的一个样本占所述每一通行效率关键因素的比重，确定出所述每一通行效率关键因素的熵值；基于所述每一通行效率关键因素的熵值，确定出所述每一通行效率关键因素的信息熵冗余度；基于所述每一通行效率关键因素的信息熵冗余度，确定出所述获取第二预设周期内所述通行效率关键因素的权重。
在一些场景中，可以对通行效率关键因素进行最大最小归一化处理，此步骤需要考虑通行效率关键因素的正反向进行调整。
根据熵值法的计算原理，计算每项通行效率关键因素中的每个数据在该通行效率关键因素中所占的比重，如公式(5)所示：
Figure BDA0003923693510000121
其中，pij表示通行效率关键因素j中的第i个数据在通行效率关键因素j中所占的比重；Xij表示通行效率关键因素j中的第i个数据归一化后对应的数值；n表示i的数量；
计算通行效率关键因素j的熵值，如公式(6)所示：
Figure BDA0003923693510000122
其中，ej表示通行效率关键因素j的熵值；k表示自然数；pij表示通行效率关键因素j中的第i个数据在通行效率关键因素j中所占的比重；m表示通行效率关键因素j的数量。
k>0，ln为自然对数，ej>0；式中常数k与通行效率关键因素数量m有关，一般k＝1/ln(m)，则0≤e≤1。
计算通行效率关键因素的信息熵冗余度，如公式(7)所示：
dj＝1-ej,j＝1,...,m (7)
其中，dj表示通行效率关键因素j的信息熵冗余度；ej表示通行效率关键因素j的熵值。
计算各项通行效率关键因素权重，如公式(8)所示：
Figure BDA0003923693510000131
其中，ωj表示通行效率关键因素j的权重；dj表示通行效率关键因素j的信息熵冗余度；m表示通行效率关键因素j的数量。
国际通用熵值法是用来判断某个指标的离散程度的数学方法，通过熵值法得到的各项关键因素的权重更加客观且准确，因为这一权重是通过精密计算得到的而不是人为判断出来的。将此算法得到的权重放入畅通指数的计算过程中，使得畅通指数的计算结果也会更加真实，减少了一定的误差。
在一些实施例中，通过分析所得出的ETC通行成功率可以用来判断ETC设备的运行状态。具体的，上述方法还可以包括：根据ETC通行成功率，判断ETC设备的运行状态；若所述ETC通行成功率小于预设阈值，输出提示信息，以提示ETC设备的运行状态异常。
针对ETC设备的运行状态，可以根据ETC通行成功率进行判定。通过设置ETC通行成功率阈值来作为判断ETC设备运行状态是否正常。
在一些应用场景中，可以设置ETC通行成功率阈值为99.7％。如果当前ETC通行成功率高于99.7％，则表示当前ETC设备运行正常，如果当前ETC通行成功率低于99.7％，则表示当前ETC设备运行异常。
针对上述设置ETC通行成功率阈值的方式，可以进行ETC设备的运行状态提示，例如，当ETC通行成功率高于99.7％时，收费站模型图中相对应的ETC设备运行状态文本显示为绿色，表示当前ETC设备运行正常；当ETC通行效率低于99.7％时，收费站模型图中相对应的ETC设备运行状态文本显示为红色，表示当前ETC设备运行异常。
在另一些应用场景中，还有其他的提示形式，比如报警框、字体突出显示等等，在此就不再一一赘述。
本实施例通过预设ETC通行成功率阈值的方法，与当前时刻ETC通行成功率作对比，本实施例中可以通过改变字体颜色来直观地提醒现场工作人员。若ETC设备提示异常时，第一时间对ETC设备进行检查维修，以防止ETC设备异常导致车辆无法进行不停车缴费动作或无法读卡，从而影响收费站通行效率。
在一些实施例中，还可以监测收费站设备，并将部分获取的数据以图标的形式展示在收费站模型图中。具体的，上述的方法还可以包括：获取预先建立的所述收费站的模型；所述收费站的模型中包括所述收费站的站台及对应的车道、设置在各车道的设备；所述设备包括车道路测单元RSU、牌识设备、车道控制器、所述收费站的收费车道监控设备、所述收费站的收费广场视频监控设备；所述将所述第一预设周期内的通行数据以图表形式显示，包括：将所述第一预设周期内的通行数据以图表形式显示在所述收费站的模型上。
预先建立的收费站的模型可以如图4所示，图中收费站的设施包括：收费亭、收费对应车道、车道路测单元RSU、牌识设备、车道控制器。可以直观的看到当前时刻各车道的车辆状态以及当前时刻收费广场的实时动态。
另外的，收费站还包括：收费车道监控设备、收费广场视频监控设备。通过监控设备将车辆直观展示到收费站预先建立的模型中，可以在如图4中的收费站模型中直接观察到车辆的各项状态，包括车牌号、车辆类型、过车时间等等。
此外，还可以将S202中通过分析得到的部分关键因素通过图表的形式显示在如图4所示的收费站的模型中。可以以图表形式展示当日车流量、当日货车车流量、ETC过车占比、货车ETC过车占比，以饼状图形式展示车道各个设备的正常率，以柱状图和折线图展示客车、货车、专项车以及当日累计车流量。
本实施例中，现场管理人员可以通过收费站的模型直观的观察当前时刻收费站的运行状态、车辆状态，减少了工作人员在工作过程中来回往返观察情况的时间，降低人工现场巡查的成本。同时通过图表的显示可以使现场工作人员直观的看到周期内的收费站运行状态。
在一些实施例中，可以针对收费站的各项设备进行监测。具体包括：对设置在各车道的所述设备的运行状态进行监测；当某一设备出现异常时，进行异常提醒。
具体的，在收费站模型中设置系统车道布站监测页，展示整个收费站的设备正常情况。如果当前某一设备出现异常，则会进行提醒，例如可以设置报警框，弹框提醒具体某一设备的异常，也可以设置语音提醒。
监测页主要对车道路测单元RSU、牌识设备、车道控制器等进行监测。
需要说明的是，图4只作为其中一种内容展示示例，里面的具体数值对本申请不构成限制。
本实施例中，通过模型中设置的系统车道布站监测页，可以直观看到收费站关键设备的正常情况，当某一设备出现异常时，可以通过语音提醒或者报警框的方式使现场工作人员及时获得设备异常的信息，并及时对异常设备进行检修。在一定程度上减少了因设备问题而导致收费站拥堵的程度。
在另一些实施例中，依托新设备和新技术，提升车辆感知能力，提高“智慧收费站”的主动管控决策的科学性和有效性。
一是提升对收费站在场车辆实时运行状态的获取能力和要求；二是对现有关键管控策略进行反思和精细化改进，可采取以下智能化手段和措施：
Figure BDA0003923693510000151
按照“未堵先疏”的原则提前分析及预测出入口车流量，通过数据统计分析，提高“智慧收费站”的通行效率和通行能力。一是对重点关注的ETC通行成功率、ETC车道抬杆率、车道平均通行时间、平均过车速度等指标进行实时监测；二是按车型、通行介质、车道类型等分类对收费站的通行流量、通行效率、车道日志、交易特情数据进行不同时间粒度的汇总统计。
首页以图表方式展示部分数据指标，主要如下几大指标：ETC通行成功率、货车ETC占比、车道通行流水等，如图3a、图3b所示。
ETC通行成功率，y轴为ETC通行成功率，x轴为日期(近30天，下同)；
货车ETC占比，y轴为货车ETC占比，x轴为日期；
车道通行流水，不区分车道按照日统计前30天车道流水，y轴为数量，x轴为日期；ETC使用分析(ETC使用占车流比、客车ETC占总客车比、货车ETC占总客车比)，维度为收费站；
车道通行流水(按收费车型：客车、货车、专项车)按照类型统计昨日，按收费站维度数据，x轴为数据，y轴为类型；
车道通行流水(按车道类型：ETC车道、MTC车道、混合车道、虚拟车道(便携机))按照类型统计昨日，按收费站维度数据，x轴为数据，y轴为类型；
收费站实景监测是以实景可视化方式展示收费站实时过车信息、通行效率统计数据、设备运行状态信息。根据车道实时排队长度、过车效率等指标建立畅通指数模型，通畅指数直观反馈收费站的拥堵和通畅情况。系统还支持查看情报板发布信息、实时视频查看，如图4所示。
根据收费广场俯视图建模俯视二维平面图，再采用图形机叠加方式在二维平面图上叠加相关的设备设施。
Figure BDA0003923693510000161
Figure BDA0003923693510000171
数据统计分析是对收费站通行流量、通行效率指标、车道日志、交易特情数据进行统计，方便用户查看收费站信息。系统还支持按车型、按通行介质、按车道类型、进行分类统计，统计结果会以列表形式展示，支持按小时、日、月汇总统计。
以时间维度、时间范围、出入口类型为维度，统计收费站通行流量情况，统计指标包括：
统计单车道、收费站的车道通行流水、统计劝返超限货车数量；
不同车型流水(小型车、中型车、大型车、拖挂(含集装箱))数量和变化趋势；
统计单车道、收费站的不同收费车型流水(客货车专项车)数量和变化趋势；
统计单车道、收费站的不同通行介质的流水(OBU流水、CPC流水)数数量和变化趋势；
统计收费站不同类型车道(ETC车道、MTC车道、混合车道、虚拟车道(便携机))的车道通行流水数量和变化趋势；
通行指标分析：
以时间维度、时间范围、出入口类型为维度，统计收费站通行指标，统计指标包括：
统计单车道、收费站的畅通指数；
统计单车道、收费站的ETC使用占总车流比、客车ETC占总客车比、货车ETC占总货车比。
统计单车道、收费站的高峰小时车流、平均车流(仅“日”维度有)；
车道日志分析：
按自然日、月对通行性能指标数据进行汇总统计，统计指标包括：
统计单车道的平均交易间隔、小时车道空闲时长、ETC通行成功率、ETC车道抬杆率、ETC一次通行成功率、标签交易率、车道通过率、可交易成功率、一次交易成功率、平均过车时间、平均通行速度等通行性能指标；
统计单车道的特情数量、异常拦截率、邻道交易数量、旁道干扰率等异常特情指标；
统计牌识成功率、牌识捕获率、平均天线核心交易时间等设备性能指标；
收费站畅通指数设计思想
收费站畅通指数可用于反映收费站的通畅程度。首先分析车道相关的统计指标，找出关键的评价指标；之后利用国际通用的信息熵方法确定评价指标权重；然后采用TOPSIS正负理想解的计算进行排名；最后将排名得分转化为百分制畅通指数。
权值确定方法--熵值法
各项指标运用最大最小归一化处理，并考虑指标的正反向进行调整。
计算第j项指标下第i个样本值占该指标的比重：
Figure BDA0003923693510000181
计算第j项指标的熵值：
Figure BDA0003923693510000182
计算信息熵冗余度：
dj＝1-ej,j＝1,...,m
计算各项指标权值：
Figure BDA0003923693510000183
TOPSIS算法原理
利用历史数据固定TOPSIS的最优最劣解。
运用固定的最优最劣值对数据进行归一化处理，并考虑指标的正反向进行调整：
Figure BDA0003923693510000191
利用欧式距离计算与最优最劣目标的距离，并乘以权重：
Figure BDA0003923693510000192
计算各评价对象与最优方案的贴近程度：
Figure BDA0003923693510000193
系统部署在收费网内。需在收费站增加应用服务器。
系统运行需要1台服务器，具体参数如下：
CPU：主频3.0G或以上、8核心以上、64位(或者性能相同的CPU)
内存：128GB以上
硬盘：2T或以上
系统环境：windows-server 2012 R2 Standard或以上
数据库：SQL SERVER 2012 R2企业版/SQL SERVER 2016R2
网络环境：收费网
图5为本申请一实施例提供的一种收费站效能监测装置的结构示意图，如图5所示的，本实施例的收费站效能监测装置500包括：数据接收模块501、确定关键因素模块502、指数计算模块503、车道切换模块504。
数据接收模块501，用于获取收费站的实时数据；
确定关键因素模块502，用于根据所述实时数据，确定当前时刻的通行效率关键因素对应的数值；所述通行效率关键因素包括ETC通行成功率、ETC车道抬杆率、车道平均通行时间、平均过车速度、收费站的通行流量、实时排队长度、过车效率、收费站通行效率、收费站车道日志、收费站交易特情数据中的至少一项；
指数计算模块503，用于根据当前时刻的所述通行效率关键因素，计算所述收费站当前时刻的畅通指数；
车道切换模块504，用于根据所述收费站当前时刻的畅通指数，确定是否进行车道切换。可选的，收费站效能监测装置500还包括数据显示模块505，用于：
根据第一预设周期内所述收费站的实时数据，确定所述第一预设周期内的通行数据；所述通行数据包括ETC通行成功率、不同车型对应的ETC占比、不同车型对应的车道通行流水、不同车道类型对应的车道通行流水、各车道车流量及当日累计车流量中的至少一项；
将所述第一预设周期内的通行数据以图表形式显示。
可选的，所述指数计算模块503，具体用于：
获取第二预设周期内所述通行效率关键因素的权重、所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值；
针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值，对所述当前时刻的所述通行效率关键因素对应的数值进行归一化处理，得到当前时刻的通行效率关键因素值；
针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优目标、所述通行效率关键因素对应的最劣目标，确定所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离；
基于所述通行效率关键因素的权重、所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离，确定当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度；
将所述当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度转化为所述收费站当前时刻的畅通指数。
可选的，所述指数计算模块503中获取第二预设周期内所述通行效率关键因素的权重，具体用于：
获取所述第二预设周期内所述收费站的实时数据；
根据所述第二预设周期内所述收费站的实时数据确定所述第二预设周期内通行效率关键因素对应的数值；
将所述第二预设周期内通行效率关键因素对应的数值进行最大最小归一化处理，得到所述第二预设周期内通行效率关键因素值；
针对每一通行效率关键因素，确定出所述通行效率关键因素对应的每一个第二预设周期内通行效率关键因素值占第二预设周期内通行效率关键因素值的总和的比重；
基于所述每一通行效率关键因素中的一个样本占所述每一通行效率关键因素的比重，确定出所述每一通行效率关键因素的熵值；
基于所述每一通行效率关键因素的熵值，确定出所述每一通行效率关键因素的信息熵冗余度；基于所述每一通行效率关键因素的信息熵冗余度，确定出所述获取第二预设周期内所述通行效率关键因素的权重。
可选的，所述收费站效能监测装置500还包括ETC监测模块506，用于：
根据所述ETC通行成功率，判断ETC设备的运行状态；
若所述ETC通行成功率小于预设阈值，输出提示信息，以提示ETC设备的运行状态异常。
可选的，所述收费站效能监测装置500还包括车道设备展示模块507，用于：
获取预先建立的所述收费站的模型；所述收费站的模型中包括收费亭及对应的车道、设置在各车道的设备；所述设备包括车道路测单元RSU、牌识设备、车道控制器、所述收费站的收费车道监控设备、所述收费站的收费广场视频监控设备；
所述将所述第一预设周期内的通行数据以图表形式显示，包括：
将所述第一预设周期内的通行数据以图表形式显示在所述收费站的模型上。
可选的，所述收费站效能监测装置500还包括车道设备监测模块508，用于：
对设置在各车道的所述设备的运行状态进行监测；
当某一设备出现异常时，进行异常提醒。
本实施例的装置，可以用于执行上述任一实施例的方法，其实现原理和技术效果类似，此处不再赘述。
图6为本申请一实施例提供的一种电子设备的结构示意图，如图6所示，本实施例的电子设备600可以包括：存储器601和处理器602。
存储器601上存储有能够被处理器602加载并执行上述实施例中方法的计算机程序。
其中，处理器602和存储器601相连，如通过总线相连。
可选地，电子设备600还可以包括收发器。需要说明的是，实际应用中收发器不限于一个，该电子设备600的结构并不构成对本申请实施例的限定。
处理器602可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器602也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线可包括一通路，在上述组件之间传送信息。总线可以是PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器601可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器601用于存储执行本申请方案的应用程序代码，并由处理器602来控制执行。处理器602用于执行存储器601中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本实施例的电子设备，可以用于执行上述任一实施例的方法，其实现原理和技术效果类似，此处不再赘述。
本申请还提供一种计算机可读存储介质，存储有能够被处理器加载并执行如上实施例中的方法的计算机程序。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种收费站效能监测方法，其特征在于，包括：
获取收费站的实时数据；
根据所述实时数据，计算当前时刻的通行效率关键因素对应的数值；所述通行效率关键因素包括车道空闲次数、交易时间、通行流量、车道平均通行时间、车道平均通行速度、车道数、车道类型、车道实过车效率、车辆排队长度中的至少一项；
根据所述当前时刻的所述通行效率关键因素对应的数值，计算所述收费站当前时刻的畅通指数；
根据所述收费站当前时刻的畅通指数，确定是否进行车道切换。
2.根据权利要求1所述的方法，其特征在于，还包括：
根据第一预设周期内所述收费站的实时数据，确定所述第一预设周期内的通行数据；所述通行数据包括ETC通行成功率、不同车型对应的ETC占比、不同车型对应的车道通行流水、不同车道类型对应的车道通行流水、各车道车流量及当日累计车流量中的至少一项；
将所述第一预设周期内的通行数据以图表形式显示。
3.根据权利要求1所述的方法，其特征在于，根据所述当前时刻的所述通行效率关键因素对应的数值，计算所述收费站当前时刻的畅通指数，包括：
获取第二预设周期内所述通行效率关键因素的权重、所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值；
针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优数值、所述通行效率关键因素对应的最劣数值，对所述当前时刻的所述通行效率关键因素对应的数值进行归一化处理，得到当前时刻的通行效率关键因素值；
针对每一通行效率关键因素，基于所述通行效率关键因素对应的最优目标、所述通行效率关键因素对应的最劣目标，确定所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离；
基于所述通行效率关键因素的权重、所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最优目标的距离，或，所述当前时刻的通行效率关键因素值与所述通行效率关键因素对应的最劣目标的距离，确定当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度；
将所述当前时刻的畅通度与最佳畅通度的贴近程度或当前时刻的畅通度与最劣畅通度的贴近程度转化为所述收费站当前时刻的畅通指数。
4.根据权利要求3所述的方法，其特征在于，所述获取第二预设周期内所述通行效率关键因素的权重，包括：
获取所述第二预设周期内所述收费站的实时数据；
根据所述第二预设周期内所述收费站的实时数据确定所述第二预设周期内通行效率关键因素对应的数值；
将所述第二预设周期内通行效率关键因素对应的数值进行最大最小归一化处理，得到所述第二预设周期内通行效率关键因素值；
针对每一通行效率关键因素，确定出所述通行效率关键因素对应的每一个第二预设周期内通行效率关键因素值占第二预设周期内通行效率关键因素值的总和的比重；
基于所述通行效率关键因素对应的每一个第二预设周期内通行效率关键因素值占第二预设周期内通行效率关键因素值的总和的比重，确定出所述每一第二预设周期内通行效率关键因素的熵值；
基于所述每一第二预设周期内通行效率关键因素的熵值，确定出所述每一第二预设周期内通行效率关键因素的信息熵冗余度；
基于所述每一第二预设周期内通行效率关键因素的信息熵冗余度，确定出所述获取第二预设周期内所述通行效率关键因素的权重。
5.根据权利要求1所述的方法，其特征在于，还包括：
根据ETC通行成功率，判断ETC设备的运行状态；
若所述ETC通行成功率小于预设阈值，输出提示信息，以提示ETC设备的运行状态异常。
6.根据权利要求2所述的方法，其特征在于，还包括：
获取预先建立的所述收费站的模型；所述收费站的模型中包括收费亭及对应的车道、设置在各车道的设备；所述设备包括车道路测单元RSU、牌识设备、车道控制器、所述收费站的收费车道监控设备；
所述将所述第一预设周期内的通行数据以图表形式显示，包括：
将所述第一预设周期内的通行数据以图表形式显示在所述收费站的模型上。
7.根据权利要求6所述的方法，其特征在于，还包括：
对设置在各车道的所述设备的运行状态进行监测；
当某一设备出现异常时，进行异常提醒。
8.一种收费站效能监测装置，其特征在于，包括：
数据接收模块，用于获取收费站的实时数据；
确定关键因素模块，用于根据所述实时数据，确定当前时刻的通行效率关键因素对应的数值；所述通行效率关键因素包括ETC通行成功率、ETC车道抬杆率、车道平均通行时间、平均过车速度、收费站的通行流量、实时排队长度、过车效率、收费站通行效率、收费站车道日志、收费站交易特情数据中的至少一项；
指数计算模块，用于根据当前时刻的所述通行效率关键因素，计算所述收费站当前时刻的畅通指数；
车道切换模块，用于根据所述收费站当前时刻的畅通指数，确定是否进行车道切换。
9.一种电子设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序指令；
所述处理器，用于调用并执行所述存储器中的程序指令，执行如权利要求1-7任一项所述的方法。
10.一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中存储有计算机程序；所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的方法。
CN202211365091.XA 2022-11-03 2022-11-03 一种收费站效能监测方法、装置 Pending CN115909727A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211365091.XA CN115909727A (zh) 2022-11-03 2022-11-03 一种收费站效能监测方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211365091.XA CN115909727A (zh) 2022-11-03 2022-11-03 一种收费站效能监测方法、装置

Publications (1)

Publication Number Publication Date
CN115909727A true CN115909727A (zh) 2023-04-04

Family

ID=86475590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211365091.XA Pending CN115909727A (zh) 2022-11-03 2022-11-03 一种收费站效能监测方法、装置

Country Status (1)

Country Link
CN (1) CN115909727A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116386156A (zh) * 2023-05-29 2023-07-04 云南贝蝉物联网科技有限公司 一种高速收费站etc终端故障处理方法
CN116935623A (zh) * 2023-05-06 2023-10-24 中铁隧道勘察设计研究院有限公司 一种车辆排队长度阈值设计方法及装置
CN117033334A (zh) * 2023-10-08 2023-11-10 吉林省高速公路集团有限公司 高速公路收费车道日志采集处理方法及系统
CN117765721A (zh) * 2023-11-14 2024-03-26 安徽交控信息产业有限公司 基于云平台的公路交易特情处理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000268210A (ja) * 1999-03-15 2000-09-29 Toshiba Corp 料金所車線運用方法および自動料金収受システム
CN205750904U (zh) * 2016-05-10 2016-11-30 浙江省机电设计研究院有限公司 一种公路收费运维系统
CN114120640A (zh) * 2022-01-11 2022-03-01 重庆市市政设计研究院有限公司 一种多源动态数据校核的道路交通量自适应控制装置
CN114861010A (zh) * 2022-03-22 2022-08-05 阿波罗智联(北京)科技有限公司 蹭etc记录的处理方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000268210A (ja) * 1999-03-15 2000-09-29 Toshiba Corp 料金所車線運用方法および自動料金収受システム
CN205750904U (zh) * 2016-05-10 2016-11-30 浙江省机电设计研究院有限公司 一种公路收费运维系统
CN114120640A (zh) * 2022-01-11 2022-03-01 重庆市市政设计研究院有限公司 一种多源动态数据校核的道路交通量自适应控制装置
CN114861010A (zh) * 2022-03-22 2022-08-05 阿波罗智联(北京)科技有限公司 蹭etc记录的处理方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王建伟 等: "高速公路收费站服务质量评价体系研究", 中国公路学会高速公路运营管理分会.中国高速公路管理学术论文集, vol. 2009, 31 December 2019 (2019-12-31), pages 315 - 319 *
石绍刚: "基于收费数据的高速公路收费站运行效率评价及通行能力分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 02, 15 February 2017 (2017-02-15), pages 1 - 69 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116935623A (zh) * 2023-05-06 2023-10-24 中铁隧道勘察设计研究院有限公司 一种车辆排队长度阈值设计方法及装置
CN116386156A (zh) * 2023-05-29 2023-07-04 云南贝蝉物联网科技有限公司 一种高速收费站etc终端故障处理方法
CN116386156B (zh) * 2023-05-29 2024-01-02 特微乐行(广州)技术有限公司 一种高速收费站etc终端故障处理方法
CN117033334A (zh) * 2023-10-08 2023-11-10 吉林省高速公路集团有限公司 高速公路收费车道日志采集处理方法及系统
CN117033334B (zh) * 2023-10-08 2023-12-22 吉林省高速公路集团有限公司 高速公路收费车道日志采集处理方法及系统
CN117765721A (zh) * 2023-11-14 2024-03-26 安徽交控信息产业有限公司 基于云平台的公路交易特情处理方法及系统

Similar Documents

Publication Publication Date Title
CN115909727A (zh) 一种收费站效能监测方法、装置
CN110751828B (zh) 一种路段拥堵测量方法、装置、计算机设备及存储介质
CN110718057B (zh) 路网运行状态评价方法、装置、电子设备及介质
CN113870564B (zh) 一种封闭路段交通拥堵分类方法、系统、电子设备及存储介质
CN114418175A (zh) 一种人员管理方法、装置、电子设备及存储介质
CN110704731B (zh) 一种充电桩链式推荐方法和装置
CN115691148A (zh) 一种基于高速公路的智能收费辅助方法、设备及介质
CN113516851A (zh) 一种基于大数据的停车位监控系统
CN114332707A (zh) 设备有效性的确定方法及装置、存储介质、电子装置
CN113487877A (zh) 一种道路车辆违规停车监控方法
Glavić et al. Assessing sustainability of road tolling technologies
CN111695820B (zh) 工程车辆电子联单管理方法、装置、终端及存储介质
CN107153906A (zh) 一种出租车违法行为判定方法及系统
CN115565365B (zh) 一种高速公路数据处理方法、装置、设备及计算机程序产品
CN117391436A (zh) 企业风险监测方法及装置
CN115660534A (zh) 一种海洋云仓污染物转运车辆调度及预警方法、系统
CN114664060A (zh) 一种交通事件的预警方法、装置、设备及存储介质
CN114648310A (zh) 供应商的行为数据分析方法、系统及装置
CN114419894A (zh) 一种路内停车泊位设置与使用监测的方法与系统
CN114116756A (zh) 一种工程造价数据修正系统及其方法
CN113554517A (zh) 货车保险市场的风险评估方法、装置及存储介质
CN108182804B (zh) 一种基于信疑双基建模的高速公路车辆监控管理系统
CN222016633U (zh) 一种载重渣土车出入场监控系统
CN115083158B (zh) 一种高速公路收费站应有混合车道数测算方法
CN114492696B (zh) 一种区域标签识别方法、装置、电子设备及存储介质

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