CN105046959B - 基于双窗口滑动匹配机制的城市道路行程时间提取方法 - Google Patents
基于双窗口滑动匹配机制的城市道路行程时间提取方法 Download PDFInfo
- Publication number
- CN105046959B CN105046959B CN201510388906.XA CN201510388906A CN105046959B CN 105046959 B CN105046959 B CN 105046959B CN 201510388906 A CN201510388906 A CN 201510388906A CN 105046959 B CN105046959 B CN 105046959B
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- number plate
- window
- time
- 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
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于双窗口滑动匹配机制的城市道路行程时间提取方法,包括步骤:上下游车辆号牌识别设备组的构建;双时间窗口机制的建立;各号牌识别设备数据的实时获取;上下游时间窗口内车辆号牌数据的匹配;道路路段行程时间的提取。本发明提供了一种覆盖范围广、精度高、实时性好的路段行程时间提取方法,为基于交通数据进行数据挖掘及多源交通数据融合提供了一种新的数据源,丰富了智能运输***(ITS)交通信息采集方式及发布内容,为信号协调控制***以及交通诱导***等ITS子***提供了坚实的数据支撑,对城市智能运输***建设和改善道路运营管理水平有着积极的意义。
Description
技术领域
本发明属于智能交通应用领域,用于根据车辆号牌识别数据计算和提取实时的城市道路行程时间数据,能够有效地提高道路行程时间的提取效率。
背景技术
随着视频检测器普及率的提高和号牌识别技术的成熟,基于号牌匹配的路段行程时间数据采集技术已经显现出了巨大的应用潜力。该技术通过在道路路段安装视频检测器可以获取大量数据,虽然技术成本较高,地域覆盖范围有限,但获得的行程时间准确性却很高。由于路段行程时间是智能运输***的核心参数之一,可通过可变情报板、公路广播电台、车载导航***和互联网等途径发布,是构建动态交通信息服务***、信号协调控制***以及交通诱导***等ITS子***的重要基础。因此,基于车辆号牌匹配的路段行程时间数据提取研究具有十分重要的意义。
当前,国内外对路段行程时间数据提取研究开展得较早,但大部分是基于车载电子标签来识别车辆,而基于车牌识别的研究还很少。现有的典型自动车辆识别***有美国休斯顿TranStar***、旧金山的TransGuide***、纽约新泽西都市区的Transmit***和香港的实时出行者信息***(RTIS)等,它们均采用基于车载标签的车辆自动识别技术来提取行程时间数据。然而,基于车载电子标签的车辆自动识别技术,需要在车辆上统一安装车载电子标签,同时还需要安装路边电子读取设备,且电子标签寿命一般都不长,这大大制约了该技术在城市道路中的实施与应用。基于车牌识别提取路段行程时间的研究可追溯到1956年(Kryger and Ottesen,1956),但一直以来车辆号牌的识别、匹配以及行程时间的计算等工作都是由人工来完成。在后续的几十年里,关于车牌匹配数据分析的研究都注重于纠正由人工误操作而导致的错误匹配问题(Hauer 1979;Watling and Maher1988)。直到最近几年,计算机视频和图像处理技术的不断进步,人工完成的工作才渐渐由计算机接管,车辆图像的捕捉及其号牌数据的识别与提取均由视频处理软件自动完成,并上传至信息中心数据库。然而,识别和提取的车牌数据大多用于停车场的管理,闯红灯抓拍,车辆超速抓拍,公安稽查抓拍以及高速公路收费等,并未用于道路行程时间的提取。基于此,本发明提出一种基于双窗口滑动车牌匹配机制的实时城市道路行程时间提取方法,用于计算和提取实时的城市道路路段行程时间,这对于车辆号牌识别与匹配技术在交通流数据提取方面的应用具有较强的应用和推广意义。
发明内容
为了发掘车牌识别和匹配技术在交通流数据提取应用中的潜力,本发明提出一种基于双时间窗口机制的城市道路行程时间数据提取方法,该方法能够有效提高从号牌识别数据中提取行程时间数据的效率,突破传统号牌匹配技术在实时交通流数据提取中的应用瓶颈。本发明为多源交通数据融合技术提供了一种新的数据源,同时丰富了智能运输***(ITS)交通信息的采集方式和发布内容,为信号协调控制***及交通诱导***等ITS子***提供了坚实的数据基础,对城市智能运输***的建设以及改善城市道路运营管理水平有着积极的意义。
基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征在于以下步骤:
1)基于路网连通性,将相邻的上下游车辆号牌识别设备归为一个号牌匹配组;
2)为每个车辆号牌识别设备(以下简称设备)构建时间长度为L的数据更新窗口和时间长度为ΔL的数据匹配窗口;
3)实时获取各设备上传的号牌识别数据,以时间间隔ΔT更新数据更新窗口内的数据;
4)基于号牌匹配组,将上游设备数据匹配窗口内的车辆号牌数据与下游设备数据更新窗口中的车辆号牌数据进行匹配,获取车牌匹配信息列表;
5)根据车辆号牌匹配信息列表计算并提取上下游设备之间的平均行程时间。
基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为所述步骤2)中根据数据时间汇集要求确定数据匹配窗口的长度ΔL,数据匹配窗口的长度与数据更新窗口的单位长度相同。
基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为所述步骤3)中实时获取各设备上传的号牌识别数据,若某设备当次上传的数据中没有数据,则以空表示。
基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为所述步骤3)中以时间间隔ΔT更新数据更新窗口内的数据,其中,ΔT=ΔL,即数据匹配窗口长度与数据更新时间间隔相同,同时数据更新时间间隔即数据更新窗口的单位长度。
基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为所述步骤4)中将上游设备数据匹配窗口内的车辆号牌数据与下游设备数据更新窗口中的车辆号牌数据进行匹配时,采用哈希表数据结构存放下游设备数据更新窗口中的车辆号牌信息,并对上游设备数据匹配窗口内的车辆号牌数据依次在所构建的哈希表内进行检索,若检索到相应的记录,则匹配命中;否则,本次匹配中不存在该号牌的匹配信息。
基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为所述步骤4)中通过车辆号牌匹配获取的车牌匹配信息列表包含了本次成功匹配的所有号牌数据记录的相关信息,其中,每条号牌匹配数据记录信息包含了匹配成功的车牌号及匹配车辆在路段上下游出现的时间。
基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为所述步骤5)中,基于车牌匹配信息列表中的匹配车辆在上下游出现的时间,计算单个车辆在该路段上的行程时间Tik,具体计算公式如下:
Tik=Eik-Sik
公式中,i表示路网中的第i组号牌匹配设备,k表示匹配成功的第k个车牌,Sik表示第i组号牌匹配设备匹配成功的第k个车牌对应的车辆在上游出现的时间,Eik表示第i组号牌匹配设备匹配成功的第k个车牌对应的车辆在下游出现的时间。
基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为所述步骤5)中,基于单个车辆的行程时间Tik和本次匹配中匹配成功的总车牌数Ni,计算车辆在该路段上的平均行程时间,具体计算公式如下:
公式中,表示第i个路段的平均行程时间;i表示路网中的第i组号牌匹配设备;Ni表示第i组号牌匹配设备本次匹配成功的总车牌数;k表示本次匹配中匹配成功的第k个车牌;Tik表示本次匹配中第k个匹配车辆对应的路段行程时间。
本发明对比已有技术具有以下创新点和显著优点:
1.利用双窗口滑动车牌匹配机制提高城市道路路段行程时间提取的实时性;
2.利用哈希表数据结构存储下游设备数据更新窗口中的号牌信息,并基于哈希检索机制对上游号牌识别数据进行检索和匹配,提高上下游号牌匹配的效率;
3.道路路段行程时间的提取工作全部由计算机自动完成,不需要任何人工干预,大大降低了人工成本,提高了工作效率;
附图说明
图1.基于双窗口滑动车牌匹配机制的城市道路行程时间提取方法流程图;
图2.本发明实施实例中使用的双时间窗口机制示意图;
图3.本发明实施实例中针对一个号牌识别设备组的号牌匹配过程示意图;
图4.本发明实施实例提取的设备组在5分钟汇集条件下平均行程时间提取结果。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实例:
本实例以某路网拓扑中A和B两个号牌识别设备为例说明如图1所述的基于双窗口滑动车牌匹配机制的城市道路路段行程时间提取方法的流程。
根据城市道路路网中号牌识别设备的拓扑关系,将相邻的上游设备A与下游设备B归为一个号牌匹配组,其中设备A和B均以时间间隔ΔT采集、处理和上传号牌数据,对应的设备编码分别为XXXXXX81和XXXXXX82。设备A到设备B之间的距离可以从设备静态信息中获取,由此可以估算设备A到设备B之间的路段的最大合理行程时间为Tmax。本例中,数据更新时间间隔为ΔT,因此,上游设备A对应的数据匹配窗口长度ΔL=ΔT,而上游设备A与下游设备B对应的数据更新时间窗口长度均为L=Tmax=nΔT,其中,n为正整数,表示数据更新窗口的长度为数据匹配窗口长度的整数倍。
本实例所涉及的数据为路网诸多卡口式电子警察的号牌识别数据,其数据格式由设备编号、号牌识别时间、车牌信息和车牌照片存储路径4个字段进行描述。***每隔ΔT的时间间隔,将收集一次整个路网所有设备组识别并上传的号牌数据,例如,A-B设备组上传的号牌数据格式如下:
……
XXXXXX81,yyyy-MM-dd HH:mm:ss,苏ENNNNN,http://...jpg
XXXXXX82,yyyy-MM-dd HH:mm:ss,苏ENNNNN,http://...jpg
……
为接收***上传的号牌识别数据,本发明采用队列数据结构存储接收来自各个号牌设备识别的数据,队列长度Lqueue=L+ΔT。图2给出了为上游设备A和下游设备B所建立的数据存储队列结构示意图。设备A和设备B上传的最新数据同时入列,二者对应的数据更新窗口中的最旧的数据出列,从而完成双时间窗口的同时滑动,保持数据更新窗口的长度不变。
设备A最旧的数据出列后与设备B数据更新窗口中的数据进行匹配,便可以获得本次命中的号牌匹配信息列表。图3所示为实例中A‐B设备组进行号牌匹配的示意图。上下游号牌匹配的主要流程如下:1)对上游设备A数据匹配窗口中的号牌数据和下游设备B数据更新窗口中的号牌数据分别进行扫描,提取其中的车牌信息及车辆在设备地点出现的时间(这里,我们忽略了车辆号牌识别时间与车辆在该设备地点出现的时间之间的偏差,认为车辆号牌的识别时间等同于车辆在该设备地点出现的时间);2)基于哈希表数据结构存储下游设备B数据更新窗口中的数据,哈希表数据结构中的关键字部分为车牌信息,映射值部分为车辆在设备地点出现的时间,表1给出了本实例所构建的哈希表示例;3)基于哈希检索机制,对上游设备A数据匹配窗口中的每条数据记录在所构建的哈希表中进行检索与匹配,若检索到相应的记录,则将该条数据记录中的车牌信息及车辆在上下游出现的时间保存到号牌匹配信息列表中,否则,结束本次检索,进行下一条数据记录的检索与匹配,直至设备A数据匹配窗口中的所有数据记录都检索完毕。表2给出了车辆号牌匹配信息列表示例。
表1存储号牌识别数据的哈希表示例
哈希表关键字(KEY) | 哈希表映射值(VALUE) |
苏EN691R | 2015-05-01 00:00:05 |
苏EMF881 | 2015-05-01 00:00:06 |
苏EXQ755 | 2015-05-01 00:00:09 |
...... | ...... |
表2车辆号牌匹配信息列表示例
匹配的车辆号牌 | 匹配车辆在上游出现的时间 | 匹配车辆在下游出现的时间 |
苏EX366P | 2015-05-11 09:06:16 | 2015-05-11 09:10:06 |
苏EX2G31 | 2015-05-11 09:08:08 | 2015-05-11 09:12:10 |
苏EN691R | 2015-05-11 09:09:00 | 2015-05-11 09:14:16 |
...... | ...... | ...... |
基于车辆号牌匹配信息列表中的信息,计算单个车辆在该路段上的行程时间Tik,具体计算公式如下:
Tik=Eik-Sik
公式中,i表示路网中的第i组号牌匹配设备,k表示匹配成功的第k个车牌,Sik表示第i组号牌匹配设备匹配成功的第k个车牌对应的车辆在上游出现的时间,Eik表示第i组号牌匹配设备匹配成功的第k个车牌对应的车辆在下游出现的时间。
通过计算单个车辆的行程时间Tik及匹配数Ni,可以计算得到路网中各个路段的平均行程时间,具体的算公式如下:
上述公式中,表示第i个路段的平均行程时间;i表示路网中的第i组号牌匹配设备;Ni表示第i组号牌匹配设备本次匹配成功的总车牌数;k表示本次匹配中匹配成功的第k个车牌;Tik表示本次匹配中第k个匹配车辆对应的路段行程时间。
图4阐述了利用本发明所述方法提取的江苏省昆山市某道路路段车辆号牌识别设备组在5分钟汇集条件下平均行程时间示例。
Claims (5)
1.基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征在于包括以下步骤:
1)基于路网连通性,将相邻的上下游车辆号牌识别设备归为一个车辆号牌匹配组;
2)为每个车辆号牌识别设备构建时间长度为L的数据更新窗口和时间长度为ΔL的数据匹配窗口,所述车辆号牌识别设备以下简称设备;数据匹配窗口的时间长度ΔL根据数据时间汇集要求确定,数据匹配窗口的时间长度ΔL与数据更新窗口的单位长度相同;
3)实时获取各设备上传的号牌识别数据,以时间间隔ΔT更新数据更新窗口内的数据;
4)基于车辆号牌匹配组,将上游设备数据匹配窗口内的车辆号牌数据与下游设备数据更新窗口中的车辆号牌数据进行匹配,获取车辆号牌匹配信息列表,具体方法是:采用哈希表数据结构存放下游设备数据更新窗口中的车辆号牌数据,并对上游设备数据匹配窗口内的车辆号牌数据依次在所构建的哈希表内进行检索,若检索到相应的数据记录,则匹配命中;否则,本次匹配中不存在该车辆号牌的匹配信息;
5)根据车辆号牌匹配信息列表计算并提取上下游设备之间的平均行程时间。
2.根据权利要求1所述的基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为步骤3)中以时间间隔ΔT更新数据更新窗口内的数据,其中,ΔT=ΔL,即数据匹配窗口时间长度与数据更新时间间隔相同,同时数据更新时间间隔即数据更新窗口的单位长度。
3.根据权利要求1所述的基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为步骤4)中通过车辆号牌匹配获取的车牌匹配信息列表包含了本次成功匹配的所有号牌数据记录的相关信息,其中,每条号牌匹配数据记录信息包含了匹配成功的车牌号及匹配车辆在路段上下游出现的时间。
4.根据权利要求1所述的基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为步骤5)中,基于车辆号牌匹配信息列表中的匹配车辆在上下游出现的时间,计算单个车辆在相应路段上的行程时间Tik,具体计算公式如下:
Tik=Eik-Sik
式中,i表示路网中的第i个车辆号牌匹配组,k表示匹配成功的第k个车牌,Sik表示第i个车辆号牌匹配组匹配成功的第k个车牌对应的车辆在上游出现的时间,Eik表示第i个车辆号牌匹配组匹配成功的第k个车牌对应的车辆在下游出现的时间。
5.根据权利要求4所述的基于双窗口滑动匹配机制的城市道路行程时间提取方法,其特征为步骤5)中,基于单个车辆的行程时间Tik和本次匹配中匹配成功的总车牌数Ni,计算车辆在相应路段上的平均行程时间,具体计算公式如下:
式中,表示路网中第i个车辆号牌匹配组对应路段的平均行程时间;i表示路网中的第i个车辆号牌匹配组;Ni表示第i个车辆号牌匹配组本次匹配成功的总车牌数;k表示本次匹配成功的第k个车牌;Tik表示本次匹配成功的第k个车牌所属车辆对应的路段行程时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510388906.XA CN105046959B (zh) | 2015-06-30 | 2015-06-30 | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510388906.XA CN105046959B (zh) | 2015-06-30 | 2015-06-30 | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046959A CN105046959A (zh) | 2015-11-11 |
CN105046959B true CN105046959B (zh) | 2018-07-24 |
Family
ID=54453465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510388906.XA Active CN105046959B (zh) | 2015-06-30 | 2015-06-30 | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046959B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157628B (zh) * | 2015-04-21 | 2018-12-04 | 杭州海康威视***技术有限公司 | 一种分布式的获取实时路况信息的方法及*** |
CN105405292B (zh) * | 2015-12-13 | 2017-07-07 | 北京工业大学 | 一种利用公交双次刷卡数据计算乘客上车时间的方法 |
CN109191872B (zh) * | 2018-10-09 | 2021-03-19 | 东南大学 | 一种基于号牌数据的路***通流特征参数提取方法 |
CN109377759B (zh) * | 2018-11-28 | 2021-02-26 | 南京莱斯信息技术股份有限公司 | 一种获取间断交通流中车队行程时间的方法 |
CN114241749B (zh) * | 2021-11-26 | 2022-12-13 | 深圳市戴升智能科技有限公司 | 一种基于时间序列的视频信标数据关联方法和*** |
CN114639240B (zh) * | 2022-02-28 | 2023-03-21 | 东南大学 | 基于先进先出规则异常侦测的车辆有效行程时间提取方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3332305B2 (ja) * | 1995-07-17 | 2002-10-07 | 日本信号株式会社 | 旅行時間提供装置 |
JP2004355538A (ja) * | 2003-05-30 | 2004-12-16 | Matsushita Electric Ind Co Ltd | 旅行時間推定装置及び方法 |
CN101271626A (zh) * | 2008-04-02 | 2008-09-24 | 中山大学 | 智能交通调查器 |
CN102708693A (zh) * | 2012-06-04 | 2012-10-03 | 南京城市智能交通有限公司 | 一种智能交通数据采集***及其工作方法 |
CN103077610A (zh) * | 2012-12-31 | 2013-05-01 | 清华大学 | 一种路段旅行时间估计的方法和*** |
-
2015
- 2015-06-30 CN CN201510388906.XA patent/CN105046959B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105046959A (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046959B (zh) | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 | |
CN108765404B (zh) | 一种基于深度学习图像分类的道路破损检测方法及装置 | |
CN111243277B (zh) | 基于车牌识别数据的通勤车辆时空轨迹重构方法及*** | |
CN108346292B (zh) | 基于卡口数据的城市快速路实时交通指数计算方法 | |
CN104732205B (zh) | 一种高速公路逃费稽查的*** | |
CN103150900B (zh) | 一种基于视频的交通拥堵事件自动检测方法 | |
CN107958031B (zh) | 基于融合数据的居民出行od分布提取方法 | |
WO2019047905A1 (zh) | 一种交通路况分析***、方法以及装置 | |
CN106651027B (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
CN108648445B (zh) | 基于交通大数据的动态交通态势预测方法 | |
CN110969142B (zh) | 一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法 | |
CN108986448B (zh) | 一种交通设施管理方法及终端设备 | |
CN110807919A (zh) | 基于过车数据的城市路网交通运行态势评价方法 | |
CN113327248B (zh) | 一种基于视频的隧道车流量统计方法 | |
CN103903437B (zh) | 基于视频交通检测数据的机动车出行od矩阵获取方法 | |
CN105509758A (zh) | 一种基于移动终端的线路规划方法、***及移动终端 | |
CN102968494A (zh) | 通过微博采集交通信息的***及方法 | |
CN110285329A (zh) | 一种生态管网管理方法、***及用于该***的管道机器人 | |
CN115331433B (zh) | 基于多源数据的城市主干道多车轨迹重构方法 | |
CN114707035A (zh) | 一种可视化交通起始点分析*** | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN108986466B (zh) | 一种基于WiFi探针的交通OD信息采集***及处理方法 | |
CN114973671B (zh) | 公路网od数据处理方法、装置、设备及存储介质 | |
CN107591003B (zh) | 基于车辆识别数据的城市路网消散能力提取方法 | |
CN111724587A (zh) | 一种基于rfid技术的交通流密度参数提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |