CN114220181A - 一种基于深度学习的语音识别停车交费方法、***及设备 - Google Patents
一种基于深度学习的语音识别停车交费方法、***及设备 Download PDFInfo
- Publication number
- CN114220181A CN114220181A CN202111495596.3A CN202111495596A CN114220181A CN 114220181 A CN114220181 A CN 114220181A CN 202111495596 A CN202111495596 A CN 202111495596A CN 114220181 A CN114220181 A CN 114220181A
- Authority
- CN
- China
- Prior art keywords
- password
- vehicle
- departure
- information
- user
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013135 deep learning Methods 0.000 title claims abstract description 24
- 238000012795 verification Methods 0.000 claims abstract description 41
- 238000004891 communication Methods 0.000 claims description 23
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/06—Decision making techniques; Pattern matching strategies
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本申请公开了一种基于深度学习的语音识别停车交费方法、***及设备,所述方法包括:确定用户出场口令对应的校验信息,所述校验信息关联车牌号信息和预扣费账户信息;当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,所述第一车辆为任一车辆;停车场控制***接受所述第一出场口令后,根据所述校验信息对所述出场口令进行校验;如果校验通过,且所述第一出场口令对应的车辆为所述第一车辆的车牌号,则从预扣费账户进行扣费,对所述第一车辆放行。当用户需要驶离停车场时,只需要通过移动终端比如智能手机输入出场口令,停车场控制***验证通过后即扣费方行。进而实现了车辆可以快速出场,也不需要进行扫码支付,减少了车辆的拥堵。
Description
技术领域
本申请涉及深度学习技术领域,具体涉及一种基于深度学习的语音识别停车交费方法、***及设备。
背景技术
随着家用车辆的普及,家用车辆越来越多,家用车辆给出行带来便捷的同时,也带来了停车难的问题。车辆随处停放一方面影响城市形象,另一单方面导致交通拥堵。为此在居民小区、商场和大型办公区附近都会规划公共停车场,用于车辆的临时停放。
由于公共停车场提供车辆停放是需要交纳停车费,因此传统技术中为了实现快速交费,减少车辆出场缴费带来的拥堵,一般会在停车场内部设置多处缴费码。车主在出停车场之前可以进行扫码缴费以保证车辆出停车场时不再需要停车交费。
但是,在现实情况中大部分车主还是忘记提前扫码交费,进而在出停车场时需要停车交费出场。导致已经提前缴费的用户依然需要停车等待,当车辆较多时,则会出现车辆的拥堵。
发明内容
本申请为了解决上述技术问题,提出了如下技术方案:
第一方面,本申请实施例提供了一种基于深度学习的语音识别停车交费方法,所述方法包括:确定用户出场口令对应的校验信息,所述校验信息关联车牌号信息和预扣费账户信息;当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,所述第一车辆为任一车辆;停车场控制***接受所述第一出场口令后,根据所述校验信息对所述出场口令进行校验;如果校验通过,且所述第一出场口令对应的车辆为所述第一车辆的车牌号,则从预扣费账户进行扣费,对所述第一车辆放行。
采用上述实现方式, 当用户需要驶离停车场时,只需要通过移动终端比如智能手机输入出场口令,停车场控制***验证通过后即扣费方行。进而实现了车辆可以快速出场,也不需要进行扫码支付,减少了车辆的拥堵。
结合第一方面,在第一方面第一种可能的实现方式中,所述确定用户出场口令对应的校验信息包括:采集用户输入出场口令时的声音信息;将所述声音信息输入预先训练好的深度神经网络中进行识别获得用户声纹信息;将所述声纹信息作为***预存的口令校验信息。
结合第一方面第一种可能的实现方式,在第一方面第二种可能的实现方式中,所述当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,包括:停车场控制***向驶入车辆发送广播消息;接收所述广播消息的移动终端与所述停车场控制***通信连接;用户通过所述移动终端输入出场前的第一出场口令。
结合第一方面,在第一方面第三种可能的实现方式中,所述停车场控制***接受所述第一出场口令后,根据所述校验信息对所述第一出场口令进行校验,包括:所述停车场控制***接收所述第一出场口令后,获取所述第一出场口令对应的第一声纹信息;将所述第一声纹信息与所述第一车辆用户预留的校验信息进行比对。
结合第一方面或第一方面第一至三种任一可能的实现方式,在第一方面第四种可能的实现方式中,所述出场口令为用户自行预设,不同用户的出场口令不同;如果第二用户预设的出场口令与第一用户的相同,则提示重复,设置不成功。
第二方面,本申请实施例提供了一种基于深度学习的语音识别停车交费***,所述***包括:确定模块,用于确定用户出场口令对应的校验信息,所述校验信息关联车牌号信息和预扣费账户信息;输入模块,用于当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,所述第一车辆为任一车辆;校验模块,用于停车场控制***接受所述第一出场口令后,根据所述校验信息对所述出场口令进行校验;处理模块,用于如果校验通过,且所述第一出场口令对应的车辆为所述第一车辆的车牌号,则从预扣费账户进行扣费,对所述第一车辆放行。
结合第二方面,在第二方面第一种可能的实现方式中,所述确定模块包括:采集单元,用于采集用户输入出场口令时的声音信息;识别单元,用于将所述声音信息输入预先训练好的深度神经网络中进行识别获得用户声纹信息;第一获取单元,用于将所述声纹信息作为***预存的口令校验信息。
结合第二方面第一种可能的实现方式,在第二方面第二种可能的实现方式中,所述输入模块包括:发送单元,用于停车场控制***向驶入车辆发送广播消息;接收单元,用于接收所述广播消息的移动终端与所述停车场控制***通信连接;输入单元,用于用户通过所述移动终端输入出场前的第一出场口令。
结合第二方面,在第二方面第三种可能的实现方式中,所述校验模块包括:第二获取单元,用户所述停车场控制***接收所述第一出场口令后,获取所述第一出场口令对应的第一声纹信息;比对单元,用于将所述第一声纹信息与所述第一车辆用户预留的校验信息进行比对。
第三方面,本申请实施例提供了一种设备,包括:处理器;存储器,用于存储计算机可执行指令;当所述处理器执行所述计算机可执行指令时,所述处理器执行第一方面或第一方面任一可能实现方式所述的方法,实现车辆驶出停车场前的交费。
附图说明
图1为本申请实施例提供的一种基于深度学习的语音识别停车交费方法的流程示意图;
图2为本申请实施例提供的一种基于深度学习的语音识别停车交费***的示意图;
图3为本申请实施例提供的一种设备的示意图。
具体实施方式
下面结合附图与具体实施方式对本方案进行阐述。
图1为本申请实施例提供的一种基于深度学习的语音识别停车交费方法的流程示意图,参见图1,本申请实施例提供的基于深度学习的语音识别停车交费方法包括:
S101,确定用户出场口令对应的校验信息,所述校验信息关联车牌号信息和预扣费账户信息。
本实施例中的校验信息是通过用户自行设置数字口令、字母口令、数字字母组合口令或者其他组合形式的口令作为出场口令。出场口令是用于用户停车完毕需要出场前,通过自己的移动终端输入完成停车费用的交费。
具体地,为了获得出场口令对应的校验信息,采集用户输入出场口令时的声音信息,将所述声音信息输入预先训练好的深度神经网络中进行识别获得用户声纹信息。本实施例中采用的深度神经网络是已经训练完毕的,可以通过输入的声音精确的获取对应的声纹信息。将深度神经网络识别获得的声纹信息作为***预存的口令校验信息,并且口令校验信息关联车牌号信息和预扣费账户信息。
关联的车牌号信息用于车辆出场时校验是否已经交费,而扣费账户则是为了实现车辆停车费的正常扣费。本实施例中的扣费账户可以为用户的银行账户或专用账户。
S102,当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,所述第一车辆为任一车辆。
用户驾驶汽车进去到停车场后,停车场控制***向驶入的车辆发送广播消息。用户的移动终端接收广播消息,与停车场控制***建立通信。本实施例中的移动终端可以为用户的智能手机,也可以是设置在车辆内的车载移动设备。
当用户需要驶出停车场前,只需要对着移动终端喊出口令即可。比如用户最初设置的口令为“abc123”,则用户只需要喊出“abc123”。此时就可以驾驶车辆向停车场出口行驶。
S103,停车场控制***接受所述第一出场口令后,根据所述校验信息对所述出场口令进行校验。
所述停车场控制***接收所述第一出场口令后,获取所述第一出场口令对应的第一声纹信息;将所述第一声纹信息与所述第一车辆用户预留的校验信息进行比对。
因为不同人之间的声纹信息是存在区别的,只有喊出的出场口令与预存的声纹信息匹配才会校验通过。如果存在冒用其他用户的出场口令的,校验则不通过。
S104,如果校验通过且所述第一出场口令对应的车辆为所述第一车辆的车牌号,则从预扣费账户进行扣费,对所述第一车辆放行。
与上述实施例提供的一种基于深度学习的语音识别停车交费方法相对应,本申请还提供了一种基于深度学习的语音识别停车交费***的实施例。
参见图2,基于深度学习的语音识别停车交费***20包括:确定模块201、输入模块202、校验模块203和处理模块204。
确定模块201,用于确定用户出场口令对应的校验信息,所述校验信息关联车牌号信息和预扣费账户信息。输入模块202,用于当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,所述第一车辆为任一车辆。校验模块203,用于停车场控制***接受所述第一出场口令后,根据所述校验信息对所述出场口令进行校验。处理模块204,用于如果校验通过且所述第一出场口令对应的车辆为所述第一车辆的车牌号,则从预扣费账户进行扣费,对所述第一车辆放行。
本实施例中,所述确定模块201包括:采集单元、识别单元和第一获取单元。
采集单元,用于采集用户输入出场口令时的声音信息。识别单元,用于将所述声音信息输入预先训练好的深度神经网络中进行识别获得用户声纹信息。第一获取单元,用于将所述声纹信息作为***预存的口令校验信息。
所述输入模块202包括:发送单元、接收单元和输入单元。
发送单元,用于停车场控制***向驶入车辆发送广播消息。接收单元,用于接收所述广播消息的移动终端与所述停车场控制***通信连接。输入单元,用于用户通过所述移动终端输入出场前的第一出场口令。
所述校验模块203包括:第二获取单元和比对单元。
第二获取单元,用户所述停车场控制***接收所述第一出场口令后,获取所述第一出场口令对应的第一声纹信息。比对单元,用于将所述第一声纹信息与所述第一车辆用户预留的校验信息进行比对。
本申请还提供了一种设备的实施例,参见图3,设备30包括:处理器301、存储器302和通信接口303。
在图3中,处理器301、存储器302和通信接口303可以通过总线相互连接;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3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。
处理器301通常是控制设备30的整体功能,例如设备30的启动、以及设备30启动后确定用户出场口令对应的校验信息,所述校验信息关联车牌号信息和预扣费账户信息;当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,所述第一车辆为任一车辆;停车场控制***接受所述第一出场口令后,根据所述校验信息对所述出场口令进行校验;如果校验通过且所述第一出场口令对应的车辆为所述第一车辆的车牌号,则从预扣费账户进行扣费,对所述第一车辆放行。
处理器301可以是通用处理器,例如,中央处理器(英文:central processingunit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。处理器也可以是微处理器(MCU)。处理器还可以包括硬件芯片。上述硬件芯片可以是专用集成电路(ASIC),可编程逻辑器件(PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(CPLD),现场可编程逻辑门阵列(FPGA)等。
存储器302被配置为存储计算机可执行指令以支持设备30数据的操作。存储器301可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
启动设备30后,处理器301和存储器302上电,处理器301读取并执行存储在存储器302内的计算机可执行指令,以完成上述的基于深度学习的语音识别停车交费方法实施例中的全部或部分步骤。
通信接口303用于设备30传输数据,例如实现与网络设备、服务器之间的通信等。通信接口303包括有线通信接口,还可以包括无线通信接口。其中,有线通信接口包括USB接口、Micro USB接口,还可以包括以太网接口。无线通信接口可以为WLAN接口,蜂窝网络通信接口或其组合等。
在一个示意性实施例中,本申请实施例提供的设备30还包括电源组件,电源组件为设备30的各种组件提供电力。电源组件可以包括电源管理***,一个或多个电源,及其他与为设备30生成、管理和分配电力相关联的组件。
通信组件,通信组件被配置为便于设备30和其他设备之间有线或无线方式的通信。设备30可以接入基于通信标准的无线网络,如WiFi,4G或5G,或它们的组合。通信组件经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。通信组件还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在一个示意性实施例中,设备30可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)或其他电子元件实现。
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。
Claims (10)
1.一种基于深度学习的语音识别停车交费方法,其特征在于,所述方法包括:
确定用户出场口令对应的校验信息,所述校验信息关联车牌号信息和预扣费账户信息;
当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,所述第一车辆为任一车辆;
停车场控制***接受所述第一出场口令后,根据所述校验信息对所述出场口令进行校验;
如果校验通过且所述第一出场口令对应的车辆为所述第一车辆的车牌号,则从预扣费账户进行扣费,对所述第一车辆放行。
2.根据权利要求1所述的基于深度学习的语音识别停车交费方法,其特征在于,所述确定用户出场口令对应的校验信息包括:
采集用户输入出场口令时的声音信息;
将所述声音信息输入预先训练好的深度神经网络中进行识别获得用户声纹信息;
将所述声纹信息作为***预存的口令校验信息。
3.根据权利要求2所述的基于深度学习的语音识别停车交费方法,其特征在于,所述当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,包括:
停车场控制***向驶入车辆发送广播消息;
接收所述广播消息的移动终端与所述停车场控制***通信连接;
用户通过所述移动终端输入出场前的第一出场口令。
4.根据权利要求1所述的基于深度学习的语音识别停车交费方法,其特征在于,所述停车场控制***接受所述第一出场口令后,根据所述校验信息对所述第一出场口令进行校验,包括:
所述停车场控制***接收所述第一出场口令后,获取所述第一出场口令对应的第一声纹信息;
将所述第一声纹信息与所述第一车辆用户预留的校验信息进行比对。
5.根据权利要求1-4任一项所述的基于深度学习的语音识别停车交费方法,其特征在于,所述出场口令为用户自行预设,不同用户的出场口令不同;如果第二用户预设的出场口令与第一用户的相同,则提示重复,设置不成功。
6.一种基于深度学习的语音识别停车交费***,其特征在于,所述***包括:
确定模块,用于确定用户出场口令对应的校验信息,所述校验信息关联车牌号信息和预扣费账户信息;
输入模块,用于当第一车辆驶出停车场前用户通过移动终端输入第一出场口令,所述第一车辆为任一车辆;
校验模块,用于停车场控制***接受所述第一出场口令后,根据所述校验信息对所述出场口令进行校验;
处理模块,用于如果校验通过且所述第一出场口令对应的车辆为所述第一车辆的车牌号,则从预扣费账户进行扣费,对所述第一车辆放行。
7.根据权利要求6所述的基于深度学习的语音识别停车交费***,其特征在于,所述确定模块包括:
采集单元,用于采集用户输入出场口令时的声音信息;
识别单元,用于将所述声音信息输入预先训练好的深度神经网络中进行识别获得用户声纹信息;
第一获取单元,用于将所述声纹信息作为***预存的口令校验信息。
8.根据权利要求7所述的基于深度学习的语音识别停车交费方法,其特征在于,所述输入模块包括:
发送单元,用于停车场控制***向驶入车辆发送广播消息;
接收单元,用于接收所述广播消息的移动终端与所述停车场控制***通信连接;
输入单元,用于用户通过所述移动终端输入出场前的第一出场口令。
9.根据权利要求6所述的基于深度学习的语音识别停车交费方法,其特征在于,所述校验模块包括:
第二获取单元,用户所述停车场控制***接收所述第一出场口令后,获取所述第一出场口令对应的第一声纹信息;
比对单元,用于将所述第一声纹信息与所述第一车辆用户预留的校验信息进行比对。
10.一种设备,其特征在于,包括:
处理器;
存储器,用于存储计算机可执行指令;
当所述处理器执行所述计算机可执行指令时,所述处理器执行权利要求1-5任一项所述的方法,实现车辆驶出停车场前的交费。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495596.3A CN114220181A (zh) | 2021-12-09 | 2021-12-09 | 一种基于深度学习的语音识别停车交费方法、***及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495596.3A CN114220181A (zh) | 2021-12-09 | 2021-12-09 | 一种基于深度学习的语音识别停车交费方法、***及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114220181A true CN114220181A (zh) | 2022-03-22 |
Family
ID=80700398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111495596.3A Pending CN114220181A (zh) | 2021-12-09 | 2021-12-09 | 一种基于深度学习的语音识别停车交费方法、***及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114220181A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069848A (zh) * | 2015-07-31 | 2015-11-18 | 周杰 | 一种基于语音的停车收费方法及*** |
KR20200095750A (ko) * | 2019-02-01 | 2020-08-11 | 유한회사 에스티원 | 이동통신을 이용한 주차비 자동 결제 시스템 및 방법 |
CN112419516A (zh) * | 2020-10-26 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、***、装置及存储介质 |
CN113421366A (zh) * | 2018-12-28 | 2021-09-21 | 西安艾润物联网技术服务有限责任公司 | 一种道闸控制方法和*** |
-
2021
- 2021-12-09 CN CN202111495596.3A patent/CN114220181A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069848A (zh) * | 2015-07-31 | 2015-11-18 | 周杰 | 一种基于语音的停车收费方法及*** |
CN113421366A (zh) * | 2018-12-28 | 2021-09-21 | 西安艾润物联网技术服务有限责任公司 | 一种道闸控制方法和*** |
KR20200095750A (ko) * | 2019-02-01 | 2020-08-11 | 유한회사 에스티원 | 이동통신을 이용한 주차비 자동 결제 시스템 및 방법 |
CN112419516A (zh) * | 2020-10-26 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、***、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107004307B (zh) | 用于集成停车管理***的***与方法 | |
CN105405173B (zh) | 一种无人值守的车场自动控制及收费***、方法 | |
US10068386B2 (en) | Methods and systems for electronic payment for parking in gated garages | |
US9460623B2 (en) | Parking management | |
CN108376428B (zh) | 停车场控制方法、***及计算机可读存储介质 | |
US20040230480A1 (en) | Vehicle-installed terminal apparatus and communication payment method and payment management system thereof | |
US11676425B2 (en) | System and method for speech recognition for occupancy detection in high occupancy toll applications | |
US20160232522A1 (en) | Method for electronically processing a traffic offense and onboard-unit therefor | |
CN104992476A (zh) | 一种基于手机拍照车牌识别的停车收费方法 | |
CN103339915A (zh) | 用于安全进入门控区域的方法、装置和*** | |
CN105139460A (zh) | 一种通过手机扫描二维码实现停车场收费管理的方法 | |
CN110675181B (zh) | 信息处理装置以及信息处理方法 | |
KR101556934B1 (ko) | 휴대폰을 이용한 스마트 주차시스템 | |
WO2019245947A1 (en) | Systems and methods for automatically refueling vehicles of customers of a retailer | |
CN108734797B (zh) | 车辆通行费的支付方法、装置及计算机可读存储介质 | |
CN205247461U (zh) | 一种无人值守的车场自动控制及收费*** | |
CN111260800A (zh) | 支付方法、支付***、车载终端及计算机可读存储介质 | |
CN110853403A (zh) | 一种道路停车管理方法和*** | |
CN114220181A (zh) | 一种基于深度学习的语音识别停车交费方法、***及设备 | |
CN109598803B (zh) | 高速公路收费方法、服务器、***和存储介质 | |
CN109598804B (zh) | 高速公路收费方法、服务器、***和存储介质 | |
KR101555993B1 (ko) | 차량탑재 단말을 이용한 차량의 주차 요금 정산 시스템 | |
CN109215148B (zh) | 一种车辆自动缴费***及方法 | |
US20180225886A1 (en) | Method and apparatus for executing an electronic money transfer in order to pay a parking fee | |
KR100426610B1 (ko) | 주차장의 요금징수 서비스방법 |
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 |