CN117314538A - 一种高速公路救援服务车辆的服务计费方法和系统 - Google Patents
一种高速公路救援服务车辆的服务计费方法和系统 Download PDFInfo
- Publication number
- CN117314538A CN117314538A CN202311586690.9A CN202311586690A CN117314538A CN 117314538 A CN117314538 A CN 117314538A CN 202311586690 A CN202311586690 A CN 202311586690A CN 117314538 A CN117314538 A CN 117314538A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- rescue
- mileage
- rescue service
- rescued
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 49
- 238000012937 correction Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000010224 classification analysis Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本发明提供一种高速公路救援服务车辆的服务计费方法和系统，方法包括：当清障中心接收到清障救援事件后，结合定位系统匹配最近的救援服务车辆，动态监管救援服务车辆的行进路程，并自动计算救援服务车辆到达救援现场的里程；当救援服务车辆到达救援现场后，自动判定救援服务车辆的到场状态，并根据现场的视频图像自动判定被救援车辆类型；清障救援服务结束后，根据计费标准，结合被救援车辆类型和救援服务拖运里程进行自动测算清障救援服务的费用。本发明基于高速公路救援服务车辆安装的定位系统及视频监控系统，自动计算清障车辆的费用，为高速公路清障救援工作提供科学、准确的费用预算和结算方式。
Description
技术领域
本发明涉及高速公路救援技术领域，特别涉及一种高速公路救援服务车辆的服务计费方法和系统。
背景技术
根据国家有关规定，高速公路清障救援工作统一由高速公路公司组织实施，当遇到重大交通事故或高速公路清障救援力量不足时，可以委托社会救援机构参与，费用按规定的收费标准执行。因此，当前高速公路清障救援业务的运作多数由高速公路运营企业负责，当在高速公路上发生事故，一般无法选择由谁来帮助自己完成事故后的清排障工作，只能被动地接受救援服务，加之信息公开程度有限，为收费不规范提供了条件，亟需集技术手段对高速公路清障救援的收费管理进一步规范，以提升高速救援效率和服务质量。
发明内容
本发明要解决的技术问题，在于提供一种高速公路救援服务车辆的服务计费方法和系统，基于高速公路救援服务车辆安装的GPS定位及视频监控，自动计算清障车辆的费用，为高速公路清障救援工作提供科学、准确的费用预算和结算方式，有助于提升高速救援效率和服务质量。
第一方面，本发明提供了一种高速公路救援服务车辆的服务计费方法，包括下述过程：
当清障中心接收到清障救援事件后，结合定位系统匹配最近的救援服务车辆，动态监管救援服务车辆的行进路程，并自动计算救援服务车辆到达救援现场的里程；
当救援服务车辆到达救援现场后，自动判定救援服务车辆的到场状态，并根据现场的视频图像自动判定被救援车辆类型；
清障救援服务结束后，根据计费标准，结合被救援车辆类型和救援服务拖运里程进行自动测算清障救援服务的费用。
第二方面，本发明提供了一种高速公路救援服务车辆的服务计费系统，包括：
匹配模块，用于当清障中心接收到清障救援事件后，结合定位系统匹配最近的救援服务车辆；
里程计算模块，用于动态监管救援服务车辆的行进路程，并自动计算救援服务车辆到达救援现场的里程；
自动判定模块，用于在救援服务车辆到达救援现场后，自动判定救援服务车辆的到场状态，并根据现场的视频图像自动判定被救援车辆类型；
计费模块，用于在清障救援服务结束后，根据计费标准，结合被救援车辆类型和救援服务拖运里程进行自动测算清障救援服务的费用。
本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：基于高速公路救援服务车辆安装的定位系统及视频监控系统，能结合清障救援里程（VMT）计算方法和被救援车辆类型识别技术，根据预设的计费标准，自动计算清障车辆的费用，为高速公路清障救援工作提供科学、准确的费用预算和结算方式，有助于提升高速救援效率和服务质量。且还可修正高程误差和弯道误差，使里程计算更为准确合理。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明系统与相关系统的协作状态的框架示意图；
图2为本发明实施例一中方法中的流程图；
图3为本发明实施例的定位数据处理过程示意图；
图4为本发明实施例的VMT计算模型的建模过程示意图；
图5为本发明实施例的高程误差分析示意图；
图6为本发明实施例的弯道误差分析示意图；
图7为本发明实施例的被救援车辆类型分析过程示意图；
图8为本发明实施例被救援车辆形状投影量的整型数据c的赋值方式示意图；
图9为本发明实施例被救援车辆的车型隶属函数示意图；
图10为本发明实施例二中系统的构成模块结构示意图。
具体实施方式
本申请实施例通过提供一种高速公路救援服务车辆的服务计费方法和系统，基于高速公路救援服务车辆安装的GPS定位及视频监控，自动计算清障车辆的费用，为高速公路清障救援工作提供科学、准确的费用预算和结算方式，有助于提升高速救援效率和服务质量。
本申请实施例中的技术方案，总体思路如下：当清障中心接收到清障救援事件后，结合定位系统的对车辆的定位来匹配最近的救援服务车辆，并动态监管救援服务车辆的行进路程，从而计算救援服务车辆到达救援现场的里程；当救援服务车辆到达救援现场后，根据车载视频监控系统对现场拍摄的视频，自动判定救援服务车辆的到场状态和被救援车辆类型；清障救援服务结束后，根据计费标准，结合被救援车辆类型和救援服务拖运里程进行自动测算清障救援服务的费用。从而为高速公路清障救援工作提供科学、准确的费用预算和结算方式，有助于提升高速救援效率和服务质量。
在介绍具体实施例之前，先介绍本申请实施例方法所对应的系统框架，如图1所示，系统大概分三个部分：
定位系统，设于救援服务车辆和被救援车辆上，用于对救援服务车辆和被救援车辆的地理位置进行定位；
车载视频监控系统，设于清障服务车辆上，用于拍摄现场被救援车辆的视频图像，以便于对被救援车辆的类型的识别；
高速公路救援服务车辆的服务计费系统，可设于服务器上，用于根据定位系统的定位结果，为被救援车辆匹配最近的救援服务车辆，计算救援服务车辆到达救援现场的里程；根据车载视频监控系统拍摄的现场视频图像，判定救援服务车辆的到场状态以及被救援车辆类型；根据计费标准自动测算清障救援服务的费用。
实施例一
如图2所示，本实施例提供一种高速公路救援服务车辆的服务计费方法，包括下述过程：
当清障中心接收到清障救援事件后，结合定位系统匹配最近的救援服务车辆，动态监管救援服务车辆的行进路程，并自动计算救援服务车辆到达救援现场的里程；当定位系统为GPS定位系统时，本发明对其定位数据的处理过程如图3所示，通过分析清障救援服务车辆GPS终端设备采集的定位数据的结构特点，建立起数据提取、数据筛选与挖掘的方法，利用车辆运行轨迹地图匹配模型，最大限度地还原车辆行驶的轨迹。
当救援服务车辆到达救援现场后，自动判定救援服务车辆的到场状态，并根据现场的视频图像自动判定被救援车辆类型；
清障救援服务结束后，根据计费标准，结合被救援车辆类型和救援服务拖运里程进行自动测算清障救援服务的费用。
进一步的，作为本实施例的一种更优或更为具体的实现方式，所述救援服务车辆到达救援现场的里程具体包括下述步骤：
S11、通过清障车辆的GPS记录清障救援过程中每一时刻的位置信息，得到清障车辆的轨迹信息，所述轨迹信息用时-空轨迹模型表示如下：；
其中记为/>，/>，/>为GPS在/>时刻的定位点，/>为/>时刻的定位坐标信息；
时空轨迹模型能够表示单辆车的出行轨迹，对于车辆行驶里程的计算来说，则需要进行距离计算，因此，在此基础上，经过坐标转换，建立车辆行驶里程(VMT)计算模型，建模过程如图4所示。
S12、将所述轨迹信息进行坐标转换，建立车辆行驶里程的计算模型：
S13、通过下述两点距离公式计算两个采集时刻和/>的行驶里程/>：
；
S14、通过下述公式计算清障车辆的到达救援现场的里程：/>。
为了满足行车的平顺性，高速道路在设计时，采用直线和曲线协调有比例的交替设计，主要包括平曲线、圆曲线和缓和曲线。同时根据地形、排水等条件设置相应的道路纵坡。装有定位系统的车辆沿着道路行驶，其定位的轨迹跟道路的走向类似。然而在进行VMT计算的时候，不同的线型条件对计算结果产生不同的误差。其主要的误差有以下两个方面：高程误差与弯道误差。因此进一步的，为了进一步提高里程计算的准确性和合理性，所述救援服务车辆到达救援现场的里程还包括：
S15，对所述里程进行高程补差修正和弯道补差修正；
高程误差是指车辆在道路纵坡上行驶时，通过GPS定位点计算出的距离与实际距离有偏差。所述高程补差修正为：道路纵坡是顺着道路前进方向的上下坡，其坡度一般用百分比表示。在利用定位系统进行VMT计算时，如图5所示，在道路纵坡上计算出的粗略里程值为AB，而清障车辆行驶的实际里程为AC，坡度/>为：/>；
因此得到基于GPS进行VMT计算的高程误差为：/>；
由三角形边的关系有AC2=AB2+BC2，可以推导得出高程误差为：
；
通过所述高程误差对VMT进行修正，得到实际里程AC为：/>；
则用实际里程AC替换粗略里程值AB，得到修正后的VMT；
所述弯道补差修正为：
弯道误差是指车辆在弯道行驶时，两个相邻定位点之间实际里程与计算里程的误差。如图6所示，现设车辆运行的速度为V(m/s)，定位点数集间隔时间为t(s)，则实际运行里程S=Vt，由弧长公式求得弧度制的圆心角：/>；
所以计算里程：；
从而弯道误差；
通过所述弯道误差对VMT进行修正，得到实际里程S为：/>；
则用实际里程S替换粗略里程值L，得到修正后的VMT。
进一步的，作为本实施例的一种更优或更为具体的实现方式，通过清障车辆的车载视频监控系统，拍摄现场被救援车辆的视频图像，结合视频序列的检测识别算法，根据形状投影量和车高/车长比，完成多种车辆车型的精细识别。
如图7所示，所述通过视频图像自动判定被救援车辆类型采用的方法是：对车辆视频图像进行预处理；然后进行背景建模与更新，采用背景差分法分割运动车辆并基于LBP纹理分析法消除阴影；接着对无阴影车辆目标构造形状投影量并计算车高与车长比，将所述形状投影量和所述车高与车长比作为车型识别的二维特征参数；最后构造车型模糊分类器，以二维特征参数为输入完成车型的分类识别。具体包括下述步骤：
S21、对车辆视频图像进行预处理：
首先将交通场景视频由RGB空间变换到灰度空间，然后在理论和实验基础上基于空间域非线性3×3中值滤波法去除图像中的孤立噪声点和噪声小块对车辆识别精度的影响，得到预处理后的视频序列，记为；
S22、背景建模与车辆分割：
开始时选取所述视频序列中的/>作初始背景，后继过程中取第l、m、p三个非等间隔历史帧与当前第k帧进行两两差分运算得到差分图像序列/>，然后按下列公式进行背景建模与更新：/>；
其中，α为更新速率，为时间点k的差分算法计算后得到的真实背景图像，为时间点k-1的差分算法计算后得到的真实背景图像；I（i,j）构造为：
；
其中，为点位I在图像序列中所对应的坐标，条件参数a构造为：
；
条件参数b构造为：；
基于上述方法进行反复叠代，能够较快地建立完整的背景图像并进行实时更新；
得到背景图像后，采用背景差分法分割运动车辆的前景二值图，并基于LBP纹理分析法消除阴影；
S23、特征提取
通过车辆形状投影量对被救援车辆形状参数的降维，并通过车辆形状和车高/车长比作为分类特征量，识别被救援车辆类型；
1)计算被救援车辆形状投影量
首先对车长线段进行n等分操作，并依次记n-1个等分点为，过作车长线段的n-1条垂线，以各垂线为准对目标区域进行n-1次采样并统计所经过的目标像素个数，记为高度/>；
求车辆最大高度，并利用/>对/>进行规一化得到/>，然后使用2位二进制对/>进行编码：/>；
定义形状投影量为16位无符号整型数据c，并按如图8所示的方式为其赋值：记于1~2位，/>记于3~4位为，/>记于5~6位，……/>记于15~16位，以此类推；具体如图8所示。
2）被救援车辆车高/车长比
选取车高/车长比与形状投影量共同作为车辆识别的特征参数，车高与车长比r的计算公式如下：；
其中，h为车辆高度；l为车辆长度；和/>为主轴线段短点的像素坐标；
S24、分类分析
车高与车长比r的基本论域取为（0,1]，对应模糊语言量记为R，语言值集构造为{VS,SM,LS,MD,BS,BG,VB}，对应表示被救援类车辆车的从小到大的五类型：车型很小（一类车I）、小（一类车II）、较小（二类车）、中（三类车）、较大（四类车）、大（五类车I）和很大（五类车II）；隶属函数如图9所示，最终得出被救援车辆的车辆类型。
清障费用计算规则：
清障救援结束后，系统将结合清障救援里程、被救援车辆类型，自动计算清障费用，费用参考标准如下：
则车辆类型i的清障费用计算公式：
清障费用(i)=基价(i)+托运费(i)*清障救援里程。
综上所述，通过对清障救援费用的自动测算，可进一步规范救援服务收费行为，确保高速公路的救援服务正常有序开展。
基于同一发明构思，本申请还提供了与实施例一中的方法对应的装置，详见实施例二。
实施例二
如图10所示，在本实施例中提供了一种高速公路救援服务车辆的服务计费系统，包括：
匹配模块，用于当清障中心接收到清障救援事件后，结合定位系统匹配最近的救援服务车辆；
里程计算模块，用于动态监管救援服务车辆的行进路程，并自动计算救援服务车辆到达救援现场的里程；当清障中心接收到清障救援事件后，结合定位系统匹配最近的救援服务车辆，动态监管救援服务车辆的行进路程，并自动计算救援服务车辆到达救援现场的里程；当定位系统为GPS定位系统时，本发明对其定位数据的处理过程如图3所示，通过分析清障救援服务车辆GPS终端设备采集的定位数据的结构特点，建立起数据提取、数据筛选与挖掘的方法，利用车辆运行轨迹地图匹配模型，最大限度地还原车辆行驶的轨迹。
自动判定模块，用于在救援服务车辆到达救援现场后，自动判定救援服务车辆的到场状态，并根据现场的视频图像自动判定被救援车辆类型；
计费模块，用于在清障救援服务结束后，根据计费标准，结合被救援车辆类型和救援服务拖运里程进行自动测算清障救援服务的费用。
进一步的，作为本实施例的一种更优或更为具体的实现方式，所述里程计算模块计算救援服务车辆到达救援现场的里程的具体过程如下：
S11、通过清障车辆的GPS记录清障救援过程中每一时刻的位置信息，得到清障车辆的轨迹信息，所述轨迹信息用时-空轨迹模型表示如下：；
其中记为/>，/>，/>为GPS在/>时刻的定位点，/>为/>时刻的定位坐标信息；
时空轨迹模型能够表示单辆车的出行轨迹，对于车辆行驶里程的计算来说，则需要进行距离计算，因此，在此基础上，经过坐标转换，建立车辆行驶里程(VMT)计算模型，建模过程如图4所示。
S12、将所述轨迹信息进行坐标转换，建立车辆行驶里程的计算模型：
S13、通过下述两点距离公式计算两个采集时刻和/>的行驶里程/>：
；
S14、通过下述公式计算清障车辆的到达救援现场的里程：/>。
为了满足行车的平顺性，高速道路在设计时，采用直线和曲线协调有比例的交替设计，主要包括平曲线、圆曲线和缓和曲线。同时根据地形、排水等条件设置相应的道路纵坡。装有定位系统的车辆沿着道路行驶，其定位的轨迹跟道路的走向类似。然而在进行VMT计算的时候，不同的线型条件对计算结果产生不同的误差。其主要的误差有以下两个方面：高程误差与弯道误差。因此进一步的，为了进一步提高里程计算的准确性和合理性，所述里程计算模块计算救援服务车辆到达救援现场的里程还包括：
S15，对所述里程进行高程补差修正和弯道补差修正；
高程误差是指车辆在道路纵坡上行驶时，通过GPS定位点计算出的距离与实际距离有偏差。所述高程补差修正为：道路纵坡是顺着道路前进方向的上下坡，其坡度一般用百分比表示。在利用定位系统进行VMT计算时，如图5所示，在道路纵坡上计算出的粗略里程值为AB，而清障车辆行驶的实际里程为AC，坡度/>为：/>；
因此得到基于GPS进行VMT计算的高程误差为：/>；
由三角形边的关系有AC2=AB2+BC2，可以推导得出高程误差为：
；
通过所述高程误差对VMT进行修正，得到实际里程AC为：/>；
则用实际里程AC替换粗略里程值AB，得到修正后的VMT；
所述弯道补差修正为：
弯道误差是指车辆在弯道行驶时，两个相邻定位点之间实际里程与计算里程的误差。如图6所示，现设车辆运行的速度为V(m/s)，定位点数集间隔时间为t(s)，则实际运行里程S=Vt，由弧长公式求得弧度制的圆心角：/>，其中，R为弯道圆的半径；
所以计算里程：；从而弯道误差/>；
通过所述弯道误差对VMT进行修正，得到实际里程S为：/>；
则用实际里程S替换粗略里程值L，得到修正后的VMT。
进一步的，作为本实施例的一种更优或更为具体的实现方式，通过清障车辆的车载视频监控系统，拍摄现场被救援车辆的视频图像，结合视频序列的检测识别算法，根据形状投影量和车高/车长比，完成多种车辆车型的精细识别。
如图7所示，所述自动判定模块通过视频图像自动判定被救援车辆类型采用的方法是：对车辆视频图像进行预处理；然后进行背景建模与更新，采用背景差分法分割运动车辆并基于LBP纹理分析法消除阴影；接着对无阴影车辆目标构造形状投影量并计算车高与车长比，将所述形状投影量和所述车高与车长比作为车型识别的二维特征参数；最后构造车型模糊分类器，以二维特征参数为输入完成车型的分类识别。所述自动判定模块通过视频图像自动判定被救援车辆类型具体包括下述步骤：
S21、对车辆视频图像进行预处理：
首先将交通场景视频由RGB空间变换到灰度空间，然后在理论和实验基础上基于空间域非线性3×3中值滤波法去除图像中的孤立噪声点和噪声小块对车辆识别精度的影响，得到预处理后的视频序列，记为；
S22、背景建模与车辆分割：
开始时选取所述视频序列中的/>作初始背景，后继过程中取第l、m、p三个非等间隔历史帧与当前第k帧进行两两差分运算得到差分图像序列/>，，然后按下列公式进行背景建模与更新：/>；
其中，α为更新速率，为时间点k的差分算法计算后得到的真实背景图像，为时间点k-1的差分算法计算后得到的真实背景图像；I（i,j）构造为：
；
其中，为点位I在图像序列中所对应的坐标，条件参数a构造为：
；
条件参数b构造为：；
基于上述方法进行反复叠代，能够较快地建立完整的背景图像并进行实时更新；
得到背景图像后，采用背景差分法分割运动车辆的前景二值图，并基于LBP纹理分析法消除阴影；
S23、特征提取：
通过车辆形状投影量对被救援车辆形状参数的降维，并通过车辆形状和车高/车长比作为分类特征量，识别被救援车辆类型；
1)计算被救援车辆形状投影量
首先对车长线段进行n等分操作，并依次记n-1个等分点为,过作车长线段的n-1条垂线，以各垂线为准对目标区域进行n-1次采样并统计所经过的目标像素个数，记为高度/>;
求车辆最大高度,并利用/>对/>进行规一化得到/>，然后使用2位二进制对/>进行编码：/>;
定义形状投影量为16位无符号整型数据c，并按如如图8所示的方式为其赋值：
记于1~2位，/>记于3~4位为，/>记于5~6位，……/>记于15~16位，以此类推。
2）被救援车辆车高/车长比
选取车高/车长比与形状投影量共同作为车辆识别的特征参数，车高与车长比r的计算公式如下：;
其中，h为车辆高度；l为车辆长度；和/>为主轴线段短点的像素坐标；
S24、分类分析：
车高与车长比r的基本论域取为（0,1]，对应模糊语言量记为R，语言值集构造为{VS,SM,LS,MD,BS,BG,VB}，对应表示被救援类车辆车的从小到大的五类型：车型很小（一类车I）、小（一类车II）、较小（二类车）、中（三类车）、较大（四类车）、大（五类车I）和很大（五类车II）；隶属函数如图9所示，最终，得出被救援车辆的车辆类型。
清障费用计算规则：
清障救援结束后，系统将结合清障救援里程、被救援车辆类型，自动计算清障费用，费用参考标准如下：
则车辆类型i的清障费用计算公式：
清障费用(i)=基价(i)+托运费(i)*清障救援里程。
综上所述，通过对清障救援费用的自动测算，可进一步规范救援服务收费行为，确保高速公路的救援服务正常有序开展。
由于本发明实施例二所介绍的系统，为实施本发明实施例一的方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解本发明实施例一所介绍的方法所采用的具体过程均适用于本发明实施例二所介绍的系统，故而在此不再赘述。
本申请实施例提供的方法和系统，至少具有如下技术效果或优点：基于高速公路救援服务车辆安装的定位系统及视频监控系统，能结合清障救援里程（VMT）计算方法和被救援车辆类型识别技术，根据预设的计费标准，自动计算清障车辆的费用，为高速公路清障救援工作提供科学、准确的费用预算和结算方式，有助于提升高速救援效率和服务质量。且还可修正高程误差和弯道误差，使里程计算更为准确合理。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。
Claims (6)
1.一种高速公路救援服务车辆的服务计费方法，其特征在于：包括下述过程：
当清障中心接收到清障救援事件后，结合定位系统匹配最近的救援服务车辆，动态监管救援服务车辆的行进路程，并自动计算救援服务车辆到达救援现场的里程；
当救援服务车辆到达救援现场后，自动判定救援服务车辆的到场状态，并根据现场的视频图像自动判定被救援车辆类型；
清障救援服务结束后，根据计费标准，结合被救援车辆类型和救援服务拖运里程进行自动测算清障救援服务的费用；
其中，所述根据现场的视频图像自动判定被救援车辆类型采用的方法是：对车辆视频图像进行预处理；然后进行背景建模与更新，采用背景差分法分割运动车辆并基于LBP纹理分析法消除阴影；接着对无阴影车辆目标构造形状投影量并计算车高与车长比，将所述形状投影量和所述车高与车长比作为车型识别的二维特征参数；最后构造车型模糊分类器，以二维特征参数为输入完成车型的分类识别；具体包括下述步骤：
S21、对车辆视频图像进行预处理：
首先将交通场景视频由RGB空间变换到灰度空间，然后在理论和实验基础上基于空间域非线性3×3中值滤波法去除图像中的孤立噪声点和噪声小块对车辆识别精度的影响，得到预处理后的视频序列，记为；
S22、背景建模与车辆分割：
开始时选取所述视频序列中的/>作初始背景，后继过程中取第l、m、p三个非等间隔历史帧与当前第k帧进行两两差分运算得到差分图像序列/>，然后按下列公式进行背景建模与更新：/>；其中，α为更新速率，/>为时间点k的差分算法计算后得到的真实背景图像，/>为时间点k-1的差分算法计算后得到的真实背景图像；I（i,j）构造为：/>；
其中，为点位I在图像序列中所对应的坐标，条件参数a构造为：
；
条件参数b构造为：；
得到背景图像后，采用背景差分法分割运动车辆的前景二值图，并基于LBP纹理分析法消除阴影；
S23、特征提取：
通过车辆形状投影量对被救援车辆形状参数的降维，并通过车辆形状和车高/车长比作为分类特征量，识别被救援车辆类型；
1)计算被救援车辆形状投影量
首先对车长线段进行n等分操作，并依次记n-1个等分点为，过/>作车长线段的n-1条垂线，以各垂线为准对目标区域进行n-1次采样并统计所经过的目标像素个数，记为高度/>；求车辆最大高度/>，并利用/>对/>进行规一化得到/>，然后使用2位二进制对/>进行编码：/>；
定义形状投影量为16位无符号整型数据c，并按如下方式为其赋值：
其中：记于1~2位，/>记于3~4位为，/>记于5~6位，……/>记于15~16位，以此类推；
2）被救援车辆车高/车长比
选取车高/车长比与形状投影量共同作为车辆识别的特征参数，车高与车长比r的计算公式如下：；
其中，h为车辆高度；l为车辆长度；和/>为主轴线段短点的像素坐标；
S24、分类分析：
车高与车长比r的基本论域取为（0,1]，对应模糊语言量记为R，语言值集构造为{VS,SM,LS,MD,BS,BG,VB}，对应表示被救援类车辆车的从小到大的五类型，得出被救援车辆的车辆类型。
2.根据权利要求1所述的方法，其特征在于：所述救援服务车辆到达救援现场的里程具体包括下述步骤：
S11、通过清障车辆的GPS记录清障救援过程中每一时刻的位置信息，得到清障车辆的轨迹信息，所述轨迹信息用时-空轨迹模型表示如下：；
其中记为/>，/>，/>为GPS在/>时刻的定位点，/>为/>时刻的定位坐标信息；
S12、将所述轨迹信息进行坐标转换，建立车辆行驶里程的计算模型：
S13、通过下述两点距离公式计算两个采集时刻和/>的行驶里程/>：；
S14、通过下述公式计算清障车辆的到达救援现场的里程：/>。
3.根据权利要求2所述的方法，其特征在于：还包括：
S15，对所述里程进行高程补差修正和弯道补差修正；
所述高程补差修正为：在利用定位系统进行VMT计算时，在道路纵坡上计算出的粗略里程值为AB，而清障车辆行驶的实际里程为AC，坡度为：/>；
因此得到基于GPS进行VMT计算的高程误差为：/>；
由三角形边的关系有AC2=AB2+BC2，可以推导得出高程误差为：
；
通过所述高程误差对VMT进行修正，得到实际里程AC为：/>；
则用实际里程AC替换粗略里程值AB，得到修正后的VMT；
所述弯道补差修正为：
现设车辆运行的速度为V(m/s)，定位点数集间隔时间为t(s)，则实际运行里程S=Vt，由弧长公式求得弧度制的圆心角：/>，其中，R为弯道圆的半径；
所以计算里程：；从而弯道误差/>；
通过所述弯道误差对VMT进行修正，得到实际里程S为：/>；
则用实际里程S替换粗略里程值L，得到修正后的VMT。
4.一种高速公路救援服务车辆的服务计费系统，其特征在于：包括：
匹配模块，用于当清障中心接收到清障救援事件后，结合定位系统匹配最近的救援服务车辆；
里程计算模块，用于动态监管救援服务车辆的行进路程，并自动计算救援服务车辆到达救援现场的里程；
自动判定模块，用于在救援服务车辆到达救援现场后，自动判定救援服务车辆的到场状态，并根据现场的视频图像自动判定被救援车辆类型；
计费模块，用于在清障救援服务结束后，根据计费标准，结合被救援车辆类型和救援服务拖运里程进行自动测算清障救援服务的费用；
其中，所述自动判定模块通过视频图像自动判定被救援车辆类型采用的方法是：对车辆视频图像进行预处理；然后进行背景建模与更新，采用背景差分法分割运动车辆并基于LBP纹理分析法消除阴影；接着对无阴影车辆目标构造形状投影量并计算车高与车长比，将所述形状投影量和所述车高与车长比作为车型识别的二维特征参数；最后构造车型模糊分类器，以二维特征参数为输入完成车型的分类识别。所述自动判定模块通过视频图像自动判定被救援车辆类型具体包括下述步骤：
S21、对车辆视频图像进行预处理：
首先将交通场景视频由RGB空间变换到灰度空间，然后在理论和实验基础上基于空间域非线性3×3中值滤波法去除图像中的孤立噪声点和噪声小块对车辆识别精度的影响，得到预处理后的视频序列，记为；
S22、背景建模与车辆分割：
开始时选取所述视频序列中的/>作初始背景，后继过程中取第l、m、p三个非等间隔历史帧与当前第k帧进行两两差分运算得到差分图像序列/>，然后按下列公式进行背景建模与更新：/>；
其中，α为更新速率，为时间点k的差分算法计算后得到的真实背景图像，/>为时间点k-1的差分算法计算后得到的真实背景图像；I（i,j）构造为：
；
其中，为点位I在图像序列中所对应的坐标，条件参数a构造为：
；
条件参数b构造为：；
得到背景图像后，采用背景差分法分割运动车辆的前景二值图，并基于LBP纹理分析法消除阴影；
S23、特征提取：通过车辆形状投影量对被救援车辆形状参数的降维，并通过车辆形状和车高/车长比作为分类特征量，识别被救援车辆类型；
1)计算被救援车辆形状投影量首先对车长线段进行n等分操作，并依次记n-1个等分点为，过/>作车长线段的n-1条垂线，以各垂线为准对目标区域进行n-1次采样并统计所经过的目标像素个数，记为高度/>；
求车辆最大高度，并利用/>对/>进行规一化得到/>，然后使用2位二进制对/>进行编码：/>；
定义形状投影量为16位无符号整型数据c，并按如下方式为其赋值：其中：记于1~2位，/>记于3~4位为，/>记于5~6位，……/>记于15~16位，以此类推；
2）被救援车辆车高/车长比选取车高/车长比与形状投影量共同作为车辆识别的特征参数，车高与车长比r的计算公式如下：；
其中，h为车辆高度；l为车辆长度；和/>为主轴线段短点的像素坐标；
S24、分类分析：
车高与车长比r的基本论域取为（0,1]，对应模糊语言量记为R，语言值集构造为{VS,SM,LS,MD,BS,BG,VB}，对应表示被救援类车辆车的从小到大的五类型，得出被救援车辆的车辆类型。
5.根据权利要求4所述的系统，其特征在于：所述里程计算模块计算救援服务车辆到达救援现场的里程的具体过程如下：
S11、通过清障车辆的GPS记录清障救援过程中每一时刻的位置信息，得到清障车辆的轨迹信息，所述轨迹信息用时-空轨迹模型表示如下：；
其中记为/>，/>，/>为GPS在/>时刻的定位点，/>为/>时刻的定位坐标信息；
S12、将所述轨迹信息进行坐标转换，建立车辆行驶里程的计算模型：
S13、通过下述两点距离公式计算两个采集时刻和/>的行驶里程/>：；S14、通过下述公式计算清障车辆的到达救援现场的里程/>：/>。
6.根据权利要求5所述的系统，其特征在于：所述里程计算模块计算救援服务车辆到达救援现场的里程还包括：S15，对所述里程进行高程补差修正和弯道补差修正；
所述高程补差修正为：在利用定位系统进行VMT计算时，在道路纵坡上计算出的粗略里程值为AB，而清障车辆行驶的实际里程为AC，坡度为：/>；因此得到基于GPS进行VMT计算的高程误差/>为：/>；由三角形边的关系有AC2=AB2+BC2，可以推导得出高程误差/>为：/>；通过所述高程误差/>对VMT进行修正，得到实际里程AC为：/>；
则用实际里程AC替换粗略里程值AB，得到修正后的VMT；所述弯道补差修正为：现设车辆运行的速度为V(m/s)，定位点数集间隔时间为t(s)，则实际运行里程S=Vt，由弧长公式求得弧度制的圆心角：/>，其中，R为弯道圆的半径；所以计算里程：/>；从而弯道误差/>；
通过所述弯道误差对VMT进行修正，得到实际里程S为：/>；则用实际里程S替换粗略里程值L，得到修正后的VMT。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311586690.9A CN117314538B (zh) | 2023-11-27 | 2023-11-27 | 一种高速公路救援服务车辆的服务计费方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311586690.9A CN117314538B (zh) | 2023-11-27 | 2023-11-27 | 一种高速公路救援服务车辆的服务计费方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117314538A true CN117314538A (zh) | 2023-12-29 |
| CN117314538B CN117314538B (zh) | 2024-05-10 |
Family
ID=89288654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311586690.9A Active CN117314538B (zh) | 2023-11-27 | 2023-11-27 | 一种高速公路救援服务车辆的服务计费方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117314538B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107845264A (zh) * | 2017-12-06 | 2018-03-27 | 西安市交通信息中心 | 一种基于视频监控的交通量采集系统及方法 |
| KR20210025958A (ko) * | 2019-08-28 | 2021-03-10 | 송정원 | 스마트기기를 통한 차량 정비소 연동 차량 관리방법 및 시스템 |
| CN113283682A (zh) * | 2021-07-22 | 2021-08-20 | 新石器慧通（北京）科技有限公司 | 车辆救援方法、装置、电子设备及存储介质 |
| CN113711285A (zh) * | 2019-04-12 | 2021-11-26 | 株式会社电装 | 道路种类判定装置以及驾驶支援装置 |
| CN113919571A (zh) * | 2021-10-13 | 2022-01-11 | 深圳吉米物流科技有限公司 | 基于边缘计算的危化品运输保费预估方法 |
| CN114971803A (zh) * | 2022-06-02 | 2022-08-30 | 支付宝(杭州)信息技术有限公司 | 服务处理方法及装置 |
| CN115146799A (zh) * | 2022-07-05 | 2022-10-04 | 广汽本田汽车有限公司 | 一种汽车服务接待系统 |
| CN115376106A (zh) * | 2022-08-31 | 2022-11-22 | 南京慧尔视智能科技有限公司 | 基于雷达图的车型识别方法、装置、设备及介质 |
| CN116049548A (zh) * | 2023-01-03 | 2023-05-02 | 重庆长安汽车股份有限公司 | 车辆服务的推送方法及装置 |
| CN116229591A (zh) * | 2023-03-21 | 2023-06-06 | 长安大学 | 一种高速公路自由流收费方法与系统 |
| CN117079219A (zh) * | 2023-10-08 | 2023-11-17 | 山东车拖车网络科技有限公司 | 一种应用于拖车业务的车辆运行情况监控方法及设备 |
-
2023
- 2023-11-27 CN CN202311586690.9A patent/CN117314538B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107845264A (zh) * | 2017-12-06 | 2018-03-27 | 西安市交通信息中心 | 一种基于视频监控的交通量采集系统及方法 |
| CN113711285A (zh) * | 2019-04-12 | 2021-11-26 | 株式会社电装 | 道路种类判定装置以及驾驶支援装置 |
| KR20210025958A (ko) * | 2019-08-28 | 2021-03-10 | 송정원 | 스마트기기를 통한 차량 정비소 연동 차량 관리방법 및 시스템 |
| CN113283682A (zh) * | 2021-07-22 | 2021-08-20 | 新石器慧通（北京）科技有限公司 | 车辆救援方法、装置、电子设备及存储介质 |
| CN113919571A (zh) * | 2021-10-13 | 2022-01-11 | 深圳吉米物流科技有限公司 | 基于边缘计算的危化品运输保费预估方法 |
| CN114971803A (zh) * | 2022-06-02 | 2022-08-30 | 支付宝(杭州)信息技术有限公司 | 服务处理方法及装置 |
| CN115146799A (zh) * | 2022-07-05 | 2022-10-04 | 广汽本田汽车有限公司 | 一种汽车服务接待系统 |
| CN115376106A (zh) * | 2022-08-31 | 2022-11-22 | 南京慧尔视智能科技有限公司 | 基于雷达图的车型识别方法、装置、设备及介质 |
| CN116049548A (zh) * | 2023-01-03 | 2023-05-02 | 重庆长安汽车股份有限公司 | 车辆服务的推送方法及装置 |
| CN116229591A (zh) * | 2023-03-21 | 2023-06-06 | 长安大学 | 一种高速公路自由流收费方法与系统 |
| CN117079219A (zh) * | 2023-10-08 | 2023-11-17 | 山东车拖车网络科技有限公司 | 一种应用于拖车业务的车辆运行情况监控方法及设备 |
Non-Patent Citations (2)
| Title |
|---|
| 段盛华: "江西高速公路清障施救收费标准存在的问题和建议", 《科技广场》, pages 253 - 256 * |
| 王书平: "我国偏远地区紧急医学救援体系构建及运行费用测算探索", 《中国卫生经济》, vol. 41, no. 7, pages 12 - 15 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117314538B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102208013B (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
| CN109447018B (zh) | 一种基于改进Faster R-CNN的道路环境视觉感知方法 | |
| CN112380317B (zh) | 高精地图更新方法、装置、电子设备和存储介质 | |
| CN112017447B (zh) | 一种基于gps位置信息判定车辆逆行违规的方法及系统 | |
| Labayrade et al. | In-vehicle obstacles detection and characterization by stereovision | |
| CN111899288A (zh) | 基于红外和可见光图像融合的隧道渗漏水区域检测与识别方法 | |
| CN115717894B (zh) | 一种基于gps和普通导航地图的车辆高精度定位方法 | |
| CN112070756B (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
| CN109147323A (zh) | 一种用于公路客货运输指标统计的车辆gps数据处理方法 | |
| CN113378654B (zh) | 基于定位和视觉技术融合的车道级定位方法及系统 | |
| CN110942038A (zh) | 基于视觉的交通场景识别方法、装置、介质及电子设备 | |
| CN111288890A (zh) | 基于双目摄影测量技术的道路标志尺寸及高度自动测量方法 | |
| CN111476157B (zh) | 一种路口监控环境下的车道导向箭头识别方法 | |
| CN114282033A (zh) | 一种基于gps纠偏及公路病害智能上报系统 | |
| CN109147322B (zh) | 一种城市交通大数据处理中多源数据自适应融合方法 | |
| CN114708567A (zh) | 一种基于双目摄像头的路面坑洼检测和避让方法及系统 | |
| CN112017213B (zh) | 一种目标对象的位置更新方法及系统 | |
| CN117314538B (zh) | 一种高速公路救援服务车辆的服务计费方法和系统 | |
| CN112732860B (zh) | 道路提取方法、装置、可读存储介质及设备 | |
| CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
| CN116110006A (zh) | 一种用于智慧旅游系统的景区游客异常行为识别方法 | |
| CN113496182B (zh) | 基于遥感影像的道路提取方法及装置、存储介质及设备 | |
| CN114396892A (zh) | 轨道交通曲线轨道曲率测量方法 | |
| CN113808388A (zh) | 综合考虑小汽车和公共交通运行的交通拥堵分析方法 | |
| CN112348852A (zh) | 一种目标对象的位置更新方法及系统 |
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 |