CN112634623B - 一种基于入境折返和境内徘徊的车辆防疫防控方法 - Google Patents
一种基于入境折返和境内徘徊的车辆防疫防控方法 Download PDFInfo
- Publication number
- CN112634623B CN112634623B CN202011231631.6A CN202011231631A CN112634623B CN 112634623 B CN112634623 B CN 112634623B CN 202011231631 A CN202011231631 A CN 202011231631A CN 112634623 B CN112634623 B CN 112634623B
- Authority
- CN
- China
- Prior art keywords
- station
- vehicle
- expressway
- highway
- site
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于入境折返和境内徘徊的车辆防疫防控方法。本发明通过高速公路站点采集模块采集高速公路站点的过车信息,并无线传输至中央服务器;中央服务器结合每个采集时刻各高速公路站点的车辆车牌信息构建目标车辆高速公路站点轨迹数据集;在目标车辆高速公路站点轨迹数据集中搜索并构建目标车辆高速公路边境站点轨迹数据集,进一步对目标车辆高速公路边境站点的高速公路方向以及站点编号进行判断;并根据目标车辆的车型结合入境折返和境内徘徊违法模型进行预警;本发明无需在被检查车辆上安装任何硬件设备,充分利用了现有的数据资源和道路上的卡口资源,为运管部门和交通执法部门提供了一种高效可靠的车辆防疫防控方法。
Description
技术领域
本发明属于交通监测技术领域,尤其涉及一种基于入境折返和境内徘徊的车辆防疫防控方法。
背景技术
因此,急需技术手段来阻止或者拦截违法车辆及人员。而现有技术需要设置检查点,执法人员人工检查。人力成本高,人力资源有限,检查效率低下,具有随机性,高峰时期容易造成拥堵等。
发明内容
本发明实例克服现有技术的缺陷和不足,基于大数据的实时计算,定义出车辆违法行为特征的模型,提出了实现流程及方法,其特征在于入境折返、境内徘徊、多个站点采集、实时轨迹计算;
本发明方法的技术方案为一种基于入境折返和境内徘徊的车辆防疫防控方法,包括以下步骤:
步骤1:高速公路站点采集模块采集高速公路站点的过车信息,并无线传输至中央服务器;
步骤2:中央服务器根据每个采集时刻各高速公路站点的车辆车牌图像信息,通过图像识别算法得到每个采集时刻各高速公路站点的车辆车牌信息,将每个采集时刻各高速公路站点的车辆车牌信息与目标车辆车牌信息进行匹配,构建目标车辆高速公路站点轨迹数据集;
步骤3:在多个高速公路站点中根据地理位置分布人工筛选出高速公路边境站点以构建高速公路边境站点集合,在目标车辆高速公路站点轨迹数据集中搜索属于高速公路边境站点集合的车辆高速公路轨迹站点,构建目标车辆高速公路边境站点轨迹数据集,结合车辆高速公路站点信息进一步对目标车辆高速公路边境站点的高速公路方向以及站点编号进行判断;
步骤4:引入目标车辆高速公路站点轨迹数据集以及目标车辆高速公路边境站点轨迹数据集,根据目标车辆的车型结合入境折返模型进行折返预警,根据目标车辆的车型结合境内徘徊违法模型进行境内徘徊预警;
步骤5:中央服务器若产生折返预警或者徘徊预警,将预警车辆信息进行显示,公安民警根据预警车辆信息进行执法拦截。
作为优选,步骤1所述高速公路站点对应的过车信息为:
Di,j=(Si,j,Ti,j,Pi,j)
i∈[1,M]
j∈[1,N]
其中,M为采集时刻的数量,N为高速公路站点的数量,Di,j为第i个采集时刻第j个高速公路站点采集的过车信息,Si,j为第i个采集时刻第j个高速公路站点采集的车辆高速公路站点信息,Ti,j为第i个采集时刻第j个高速公路站点采集的车辆过车时间,Pi,j为第i个采集时刻第j个高速公路站点采集的车辆车牌图像信息,Si,j为公安部登记静态信息,包括站点名称、站点编号、站点所在高速方向,Ti,j、Pi,j均通过站点中的采集模块进行采集,中央服务器与采集模块进行无线连接并接收过车信息;
多个高速公路站点站点采集模块依次部署在高速公路各站点上,分别与中央服务器通过无线方式连接。
作为优选,步骤2所述每个采集时刻各高速公路站点的车辆车牌信息为:
IDi,1,IDi,2,...,IDi,N
i∈[1,M]
j∈[1,N]
其中,M为采集时刻的数量,N为高速公路站点的数量,IDi,j为第i个采集时刻第j个高速公路站点采集的车辆车牌信息;
步骤2所述将每个采集时刻各高速公路站点的车辆车牌信息与目标车辆车牌信息进行匹配为:
在IDi,1,IDi,2,...,IDi,N中搜索与目标车辆车牌相同的高速公路站点,将与目标车辆车牌相同的高速公路站点作为第i个采集时刻的车辆高速公路站点轨迹,定义为ki;即第ki个高速公路站点的站点信息为目标车辆在第i个采集时刻经过第ki个高速公路站点的车辆过车时间为
步骤2所述构建目标车辆高速公路站点轨迹数据集为:
target={k1,k2,...,kM}
其中,ki第i个采集时刻的车辆高速公路轨迹站点即第ki个高速公路站点,i∈[1,M],M为采集时刻的数量,ki∈[1,N],N为高速公路站点的数量;
作为优选,步骤3所述根据地理位置分布人工筛选出所有高速公路边境站点:
将高速公路站点属于跨边境的站点定义为高速公路边境站点;
步骤3所述高速公路边境站点集合为:
{sta1,sta2,...,staL}
L<N
其中,stap为高速公路边境站点集合中第p个高速公路边境站点对应第stap个高速公路站点;
步骤3所述在目标车辆高速公路站点轨迹数据集中搜索属于高速公路边境站点集合的车辆高速公路轨迹站点为:
所述目标车辆高速公路站点轨迹数据集为:target={k1,k2,...,kM};
在target={k1,k2,...,kM}中搜索属于sta={sta1,sta2,...,staL}的车辆高速公路轨迹站点,即步骤3所述构建目标车辆高速公路边境站点数据集,具体定义为:
K<M
步骤3所述目标车辆经过高速公路边境站点出入境的判断方法为:
步骤3所述目标车辆的车辆高速公路站点轨迹中相同站点判断方法为:
作为优选,步骤4所述目标车辆高速公路站点轨迹数据集为:
target={k1,k2,...,kM}
其中,ki第i个采集时刻的车辆高速公路轨迹站点即第ki个高速公路站点,i∈[1,M],M为采集时刻的数量,ki∈[1,N],N为高速公路站点的数量;
步骤4所述目标车辆高速公路边境站点轨迹数据集为:
定义目标车辆高速境内站点轨迹数据集为:
从目标车辆高速公路站点轨迹数据集即target排除目标车辆高速公路边境站点轨迹数据集即B的站点数据集;
所述目标车辆高速境内站点轨迹数据集为:
J<M
步骤4所述目标车辆的计算需要排除警车和公共交通运营车辆;通过公安部门登记的车辆信息人工构建警车和公共交通运营的车辆车牌号数据集,作为静态数据存储至数据库中,定义为O;
步骤4所述根据目标车辆的车型结合入境折返模型进行折返预警为:
根据步骤3出入境判断方法,通过站点信息判断目标车辆从第个高速公路站点入境,从第个高速公路站点出境,进一步从目标车辆高速公路站点轨迹数据集target={k1,k2,...,kM}中找到ql,ql+1两个采集时刻对应的采集时刻i1,i2,即i1=ql,i2=ql+1,且i1,i2∈[1,M];
步骤4所述根据目标车辆的车型结合入境折返模型进行境内徘徊模型为:
根据步骤3出入境判断方法,通过站点信息判断目标车辆从第个高速公路站点入境,再从目标车辆高速公路站点轨迹数据集target={k1,k2,...,kM}中找到采集时刻ql对应的采集时刻i0,即i0=ql,且i0∈[1,M];
根据步骤3相同站点的判断方法,进一步地从站点轨迹数据集G中搜索出相同站点出现的次数,假设排名前两个的高速公路轨迹站点为和其出现的次数为X和Y(相同站点出现次数并列相同的再重复遍历计算);为第ix个采集时刻的车辆高速公路轨迹站点,为第iy个采集时刻的车辆高速公路轨迹站点,其中X<M,Y<M,且ix∈(i0,M],iy∈(i0,M];统计目标车辆在高速公路站点轨迹数据集G中从到往返的次数计为同时统计目标车辆从高速公路轨迹站点到高速公路轨迹站点往返的最后一个采集时刻记为ig,即采集时刻ig的车辆高速公路轨迹站点为
作为优选,步骤5所述预警车辆信息为:
目标车辆高速公路站点轨迹数据集即target={k1,k2,...,kM};
目标车辆车牌信息即IDi,j;
各采集时刻各高速公路站点的车辆车牌信息,即IDi,1,IDi,2,...,IDi,N,i∈[1,M],j∈[1,N];
M为采集时刻的数量,N为高速公路站点的数量。
本发明有益效果为:与传统的防疫防控手段相比,本发明无需在被检查车辆上安装任何硬件设备,充分利用了现有的数据资源和道路上的卡口资源,为运管部门和交通执法部门提供了一种高效可靠的车辆防疫防控方法。本发明检车范围广,理论上能够对所有机动车辆进行检测,弥补了传统手段只能检测营运车辆的不足。本发明不占用任何路面资源,不会给路面交通带来任何压力。此外,本发明模型采用大数据实时计算,当违法车辆经过卡口时,几乎实时的向为运管部门和交通执法部门发出车辆违法预警,大大提高了执法人员反应时间,将违法车辆扼杀在萌芽状态中,减少防疫防控中车辆违法导致的病毒扩散风险。
附图说明
图1:方法流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合实例对本发明作进一步详细描述,应当理解,此处所描述的实施案例仅用于说明和解释本发明,并不用于限定本发明。
下面结合附图,介绍本发明的具体实施方式为一种基于入境折返和境内徘徊的车辆防疫防控方法,包括以下步骤:
步骤1:高速公路站点采集模块采集高速公路站点的过车信息,并无线传输至中央服务器;
所述高速公路站点对应的过车信息为:
Di,j=(Si,j,Ti,j,Pi,j)
i∈[1,M]
j∈[1,N]
其中,M=100为采集时刻的数量,N=100为高速公路站点的数量,Di,j为第i个采集时刻第j个高速公路站点采集的过车信息,Si,j为第i个采集时刻第j个高速公路站点采集的车辆高速公路站点信息,Ti,j为第i个采集时刻第j个高速公路站点采集的车辆过车时间,Pi,j为第i个采集时刻第j个高速公路站点采集的车辆车牌图像信息,Si,j为公安部登记静态信息,包括站点名称、站点编号、站点所在高速方向,Ti,j、Pi,j均通过站点中的采集模块进行采集,中央服务器与采集模块进行无线连接并接收过车信息;
多个高速公路站点站点采集模块依次部署在高速公路各站点上,分别与中央服务器通过无线方式连接。
所述高速公路站点站点采集模块选型为大华高清摄像及远景摄像设备;
所述中央服务器选型为Linux服务器,操作***为Centos;
步骤2:中央服务器根据每个采集时刻各高速公路站点的车辆车牌图像信息,通过图像识别算法得到每个采集时刻各高速公路站点的车辆车牌信息,将每个采集时刻各高速公路站点的车辆车牌信息与目标车辆车牌信息进行匹配,构建目标车辆高速公路站点轨迹数据集;
步骤2所述每个采集时刻各高速公路站点的车辆车牌信息为:
IDi,1,IDi,2,...,IDi,N
i∈[1,M]
j∈[1,N]
其中,M=100为采集时刻的数量,N=100为高速公路站点的数量,IDi,j为第i个采集时刻第j个高速公路站点采集的车辆车牌信息;
步骤2所述将每个采集时刻各高速公路站点的车辆车牌信息与目标车辆车牌信息进行匹配为:
在IDi,1,IDi,2,...,IDi,100中搜索与目标车辆车牌相同的高速公路站点,将与目标车辆车牌相同的高速公路站点作为第i个采集时刻的车辆高速公路站点轨迹,定义为ki;即第ki个高速公路站点的站点信息为目标车辆在第i个采集时刻经过第ki个高速公路站点的车辆过车时间为
步骤2所述构建目标车辆高速公路站点轨迹数据集为:
target={k1,k2,...,k100}
其中,ki第i个采集时刻的车辆高速公路轨迹站点即第ki个高速公路站点,ki∈[1,100];
步骤3:在多个高速公路站点中根据地理位置分布人工筛选出高速公路边境站点以构建高速公路边境站点集合,在目标车辆高速公路站点轨迹数据集中搜索属于高速公路边境站点集合的车辆高速公路轨迹站点,构建目标车辆高速公路边境站点轨迹数据集,结合车辆高速公路站点信息进一步对目标车辆高速公路边境站点的高速公路方向以及站点编号进行判断;
步骤3所述根据地理位置分布人工筛选出所有高速公路边境站点:
将高速公路站点属于跨边境的站点定义为高速公路边境站点;
步骤3所述高速公路边境站点集合为:
{sta1,sta2,...,staL}
L<N
其中,L=20为高速公路边境站点的数量,stap为高速公路边境站点集合中第p个高速公路边境站点对应第stap个高速公路站点;
步骤3所述在目标车辆高速公路站点轨迹数据集中搜索属于高速公路边境站点集合的车辆高速公路轨迹站点为:
所述目标车辆高速公路站点轨迹数据集为:target={k1,k2,...,k100};
在target={k1,k2,...,k100}中搜索属于sta={sta1,sta2,...,sta20}的车辆高速公路轨迹站点,即步骤3所述构建目标车辆高速公路边境站点数据集,具体定义为:
K<100
步骤3所述目标车辆经过高速公路边境站点出入境的判断方法为:
步骤3所述目标车辆的车辆高速公路站点轨迹中相同站点判断方法为:
步骤4:引入目标车辆高速公路站点轨迹数据集以及目标车辆高速公路边境站点轨迹数据集,根据目标车辆的车型结合入境折返模型进行折返预警,根据目标车辆的车型结合境内徘徊违法模型进行境内徘徊预警;
步骤4所述目标车辆高速公路站点轨迹数据集为:
target={k1,k2,...,kM}
其中,ki第i个采集时刻的车辆高速公路轨迹站点即第ki个高速公路站点,i∈[1,M],M=100为采集时刻的数量,ki∈[1,N],N=100为高速公路站点的数量;
步骤4所述目标车辆高速公路边境站点轨迹数据集为:
定义目标车辆高速境内站点轨迹数据集为:
从目标车辆高速公路站点轨迹数据集即target排除目标车辆高速公路边境站点轨迹数据集即B的站点数据集;
所述目标车辆高速境内站点轨迹数据集为:
J<100
步骤4所述目标车辆的计算需要排除警车和公共交通运营车辆;通过公安部门登记的车辆信息人工构建警车和公共交通运营的车辆车牌号数据集,作为静态数据存储至数据库中,定义为O;
步骤4所述根据目标车辆的车型结合入境折返模型进行折返预警为:
根据步骤3出入境判断方法,通过站点信息判断目标车辆从第个高速公路站点入境,从第个高速公路站点出境,进一步从目标车辆高速公路站点轨迹数据集target={k1,k2,...,k100}中找到ql,ql+1两个采集时刻对应的采集时刻i1,i2,即i1=ql,i2=ql+1,且i1,i2∈[1,100];
继续从目标车辆高速公路站点轨迹数据集target={k1,k2,...,k100}中搜索 之间的连续站点,在中间搜索出任意两个连续站点ki、ki+1,使得ki、ki+1是站点编号相同方向相反的站点,且
步骤4所述根据目标车辆的车型结合入境折返模型进行境内徘徊模型为:
根据步骤3出入境判断方法,通过站点信息判断目标车辆从第个高速公路站点入境,再从目标车辆高速公路站点轨迹数据集target={k1,k2,...,k100}中找到采集时刻ql对应的采集时刻i0,即i0=ql,且i0∈[1,100];
根据步骤3相同站点的判断方法,进一步地从站点轨迹数据集G中搜索出相同站点出现的次数,假设排名前两个的高速公路轨迹站点为和其出现的次数为X=3和Y=2(相同站点出现次数并列相同的再重复遍历计算);为第ix个采集时刻的车辆高速公路轨迹站点,为第iy个采集时刻的车辆高速公路轨迹站点,其中X<M,Y<M,且ix∈(i0,M],iy∈(i0,M];统计目标车辆在高速公路站点轨迹数据集G中从到往返的次数计为同时统计目标车辆从高速公路轨迹站点到高速公路轨迹站点往返的最后一个采集时刻记为ig,即采集时刻ig的车辆高速公路轨迹站点为
步骤5:中央服务器若产生折返预警或者徘徊预警,将预警车辆信息进行显示,公安民警根据预警车辆信息进行执法拦截。
步骤5所述预警车辆信息为:
目标车辆高速公路站点轨迹数据集即target={k1,k2,...,k100};
目标车辆车牌信息即IDi,j;
各采集时刻各高速公路站点的车辆车牌信息,即IDi,1,IDi,2,...,IDi,N,i∈[1,M],j∈[1,N];
M=100为采集时刻的数量,N=100为高速公路站点的数量;
应当理解的是,本申请书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本申请专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本申请权利要求所保护的范围情况下,还可以做出替换或变形,均落入本申请的保护范围之内,本申请的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种基于入境折返和境内徘徊的车辆防疫防控方法,其特征在于,包括以下步骤:
步骤1:高速公路站点采集模块采集高速公路站点的过车信息,并无线传输至中央服务器;
步骤2:中央服务器根据每个采集时刻各高速公路站点的车辆车牌图像信息,通过图像识别算法得到每个采集时刻各高速公路站点的车辆车牌信息,将每个采集时刻各高速公路站点的车辆车牌信息与目标车辆车牌信息进行匹配,构建目标车辆高速公路站点轨迹数据集;
步骤3:在多个高速公路站点中根据地理位置分布人工筛选出高速公路边境站点以构建高速公路边境站点集合,在目标车辆高速公路站点轨迹数据集中搜索属于高速公路边境站点集合的车辆高速公路轨迹站点,构建目标车辆高速公路边境站点轨迹数据集,结合车辆高速公路站点信息进一步对目标车辆高速公路边境站点的高速公路方向以及站点编号进行判断;
步骤4:引入目标车辆高速公路站点轨迹数据集以及目标车辆高速公路边境站点轨迹数据集,根据目标车辆的车型结合入境折返模型进行折返预警,根据目标车辆的车型结合境内徘徊违法模型进行境内徘徊预警;
步骤5:中央服务器若产生折返预警或者徘徊预警,将预警车辆信息进行显示,公安民警根据预警车辆信息进行执法拦截;
步骤4所述目标车辆高速公路站点轨迹数据集为:
target={k1,k2,...,kM}
其中,ki第i个采集时刻的车辆高速公路轨迹站点即第ki个高速公路站点,i∈[1,M],M为采集时刻的数量,ki∈[1,N],N为高速公路站点的数量;
步骤4所述目标车辆高速公路边境站点轨迹数据集为:
定义目标车辆高速境内站点轨迹数据集为:
从目标车辆高速公路站点轨迹数据集即target排除目标车辆高速公路边境站点轨迹数据集即B的站点数据集;
所述目标车辆高速境内站点轨迹数据集为:
J<M
步骤4所述目标车辆的计算需要排除警车和公共交通运营车辆;通过公安部门登记的车辆信息人工构建警车和公共交通运营的车辆车牌号数据集,作为静态数据存储至数据库中,定义为O;
步骤4所述根据目标车辆的车型结合入境折返模型进行折返预警为:
根据步骤3出入境判断方法,通过站点信息判断目标车辆从第个高速公路站点入境,从第个高速公路站点出境,进一步从目标车辆高速公路站点轨迹数据集target={k1,k2,...,kM}中找到ql,ql+1两个采集时刻对应的采集时刻i1,i2,即i1=ql,i2=ql+1,且i1,i2∈[1,M];
步骤4所述根据目标车辆的车型结合境内徘徊违法模型进行境内徘徊预警为:
根据步骤3出入境判断方法,通过站点信息判断目标车辆从第个高速公路站点入境,再从目标车辆高速公路站点轨迹数据集target={k1,k2,...,kM}中找到采集时刻ql对应的采集时刻i0,即i0=ql,且i0∈[1,M];
根据步骤3相同站点的判断方法,进一步地从站点轨迹数据集G中搜索出相同站点出现的次数,假设排名前两个的高速公路轨迹站点为和其出现的次数为X和Y,相同站点出现次数并列相同的再重复遍历计算;为第ix个采集时刻的车辆高速公路轨迹站点,为第iy个采集时刻的车辆高速公路轨迹站点,其中X<M,Y<M,且ix∈(i0,M],iy∈(i0,M];统计目标车辆在高速公路站点轨迹数据集G中从到往返的次数计为同时统计目标车辆从高速公路轨迹站点到高速公路轨迹站点往返的最后一个采集时刻记为ig,即采集时刻ig的车辆高速公路轨迹站点为
步骤5所述预警车辆信息为:
目标车辆高速公路站点轨迹数据集即target={k1,k2,...,kM};
目标车辆车牌信息即IDi,j;
各采集时刻各高速公路站点的车辆车牌信息,即IDi,1,IDi,2,...,IDi,N,i∈[1,M],j∈[1,N];
M为采集时刻的数量,N为高速公路站点的数量。
2.根据权利要求1所述的基于入境折返和境内徘徊的车辆防疫防控方法,其特征在于:步骤1所述高速公路站点对应的过车信息为:
Di,j=(Si,j,Ti,j,Pi,j)
i∈[1,M]
j∈[1,N]
其中,M为采集时刻的数量,N为高速公路站点的数量,Di,j为第i个采集时刻第j个高速公路站点采集的过车信息,Si,j为第i个采集时刻第j个高速公路站点采集的车辆高速公路站点信息,Ti,j为第i个采集时刻第j个高速公路站点采集的车辆过车时间,Pi,j为第i个采集时刻第j个高速公路站点采集的车辆车牌图像信息,Si,j为公安部登记静态信息,包括站点名称、站点编号、站点所在高速方向,Ti,j、Pi,j均通过站点中的采集模块进行采集,中央服务器与采集模块进行无线连接并接收过车信息;
多个高速公路站点站点采集模块依次部署在高速公路各站点上,分别与中央服务器通过无线方式连接。
3.根据权利要求1所述的基于入境折返和境内徘徊的车辆防疫防控方法,其特征在于:步骤2所述每个采集时刻各高速公路站点的车辆车牌信息为:
IDi,1,IDi,2,...,IDi,N
i∈[1,M]
j∈[1,N]
其中,M为采集时刻的数量,N为高速公路站点的数量,IDi,j为第i个采集时刻第j个高速公路站点采集的车辆车牌信息;
步骤2所述将每个采集时刻各高速公路站点的车辆车牌信息与目标车辆车牌信息进行匹配为:
在IDi,1,IDi,2,...,IDi,N中搜索与目标车辆车牌相同的高速公路站点,将与目标车辆车牌相同的高速公路站点作为第i个采集时刻的车辆高速公路站点轨迹,定义为ki;即第ki个高速公路站点的站点信息为目标车辆在第i个采集时刻经过第ki个高速公路站点的车辆过车时间为
步骤2所述构建目标车辆高速公路站点轨迹数据集为:
target={k1,k2,...,kM}
其中,ki第i个采集时刻的车辆高速公路轨迹站点即第ki个高速公路站点,i∈[1,M],M为采集时刻的数量,ki∈[1,N],N为高速公路站点的数量。
4.根据权利要求1所述的基于入境折返和境内徘徊的车辆防疫防控方法,其特征在于:步骤3所述根据地理位置分布人工筛选出所有高速公路边境站点:
将高速公路站点属于跨边境的站点定义为高速公路边境站点;
步骤3所述高速公路边境站点集合为:
{sta1,sta2,...,staL}
L<N
其中,stap为高速公路边境站点集合中第p个高速公路边境站点对应第stap个高速公路站点;
步骤3所述在目标车辆高速公路站点轨迹数据集中搜索属于高速公路边境站点集合的车辆高速公路轨迹站点为:
所述目标车辆高速公路站点轨迹数据集为:target={k1,k2,...,kM};
在target={k1,k2,...,kM}中搜索属于sta={sta1,sta2,...,staL}的车辆高速公路轨迹站点,即步骤3所述构建目标车辆高速公路边境站点数据集,具体定义为:
K<M
步骤3所述目标车辆经过高速公路边境站点出入境的判断方法为:
步骤3所述目标车辆的车辆高速公路站点轨迹中相同站点判断方法为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011231631.6A CN112634623B (zh) | 2020-11-06 | 2020-11-06 | 一种基于入境折返和境内徘徊的车辆防疫防控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011231631.6A CN112634623B (zh) | 2020-11-06 | 2020-11-06 | 一种基于入境折返和境内徘徊的车辆防疫防控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112634623A CN112634623A (zh) | 2021-04-09 |
CN112634623B true CN112634623B (zh) | 2022-04-26 |
Family
ID=75304246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011231631.6A Active CN112634623B (zh) | 2020-11-06 | 2020-11-06 | 一种基于入境折返和境内徘徊的车辆防疫防控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112634623B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846801B (zh) * | 2017-02-06 | 2020-05-22 | 安徽新华博信息技术股份有限公司 | 一种基于车辆轨迹的区域徘徊异常行为检测方法 |
CN109615853B (zh) * | 2018-11-29 | 2021-06-22 | 重庆首讯科技股份有限公司 | 识别高速公路疑似非法营运车辆的方法及设备 |
CN110796819B (zh) * | 2019-10-18 | 2021-07-13 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种针对站台黄线入侵越界人员的检测方法及*** |
CN111856541B (zh) * | 2020-07-24 | 2023-11-14 | 苏州中亿通智能***有限公司 | 一种固定线路车辆轨迹监测***及方法 |
-
2020
- 2020-11-06 CN CN202011231631.6A patent/CN112634623B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112634623A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107463940B (zh) | 基于手机数据的车辆类型识别方法和设备 | |
US7786897B2 (en) | High occupancy vehicle (HOV) lane enforcement | |
CN103985182B (zh) | 一种公交客流自动计数方法及自动计数*** | |
CN104766479A (zh) | 基于超高频射频与视频图像双识别匹配的汽车身份识别方法及装置 | |
CN109326124A (zh) | 一种基于机器视觉的城市环境停放车辆行为识别*** | |
CN104751634A (zh) | 高速公路隧道行车图像采集信息的综合应用方法 | |
CN110264734A (zh) | 一种高速公路车辆稽查***及其工作方法 | |
CN206164739U (zh) | 一种车辆远光灯违规使用的自动录像取证及执法*** | |
CN105118305B (zh) | 室外停车场出口车辆管理平台 | |
CN106297292A (zh) | 基于高速公路卡口及综合监控的轨迹*** | |
CN107895482A (zh) | 基于毫米波雷达与激光雷达的交通情况调查装置及方法 | |
CN114049612A (zh) | 基于以图搜图技术的高速公路车辆收费稽核***及行驶路径双重获取检验方法 | |
CN107329977A (zh) | 一种基于概率分布的假牌车二次筛选方法 | |
CN112634623B (zh) | 一种基于入境折返和境内徘徊的车辆防疫防控方法 | |
CN111754786A (zh) | 一种识别高速公路交通工具通行事件的*** | |
CN109615869A (zh) | 分布式车载实时智能违章抓拍上报*** | |
CN111899517B (zh) | 一种高速公路疲劳驾驶违法行为判定方法 | |
CN113450573A (zh) | 基于无人机图像识别的交通监测方法和交通监测*** | |
CN109948419A (zh) | 一种基于深度学习的违法停车自动审核方法 | |
CN113870551B (zh) | 一种能够鉴别危险和非危险驾驶行为的路侧监控*** | |
CN112509316B (zh) | 一种基于车辆终端信息匹配的车辆超员分析*** | |
Ravish et al. | Intelligent traffic violation detection | |
Kadim et al. | Real-time deep-learning based traffic volume count for high-traffic urban arterial roads | |
JPH0830892A (ja) | 交通監視システム及び車番認識装置付き自動車 | |
CN109934161A (zh) | 基于卷积神经网络的车辆识别与检测方法及*** |
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 |