CN115731713A - 一种预测异常车辆高速出口及时间的方法 - Google Patents
一种预测异常车辆高速出口及时间的方法 Download PDFInfo
- Publication number
- CN115731713A CN115731713A CN202211519592.9A CN202211519592A CN115731713A CN 115731713 A CN115731713 A CN 115731713A CN 202211519592 A CN202211519592 A CN 202211519592A CN 115731713 A CN115731713 A CN 115731713A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- toll station
- time
- exit
- speed
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000004080 punching Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明公开了一种预测异常车辆高速出口及时间的方法,异常车辆行驶过程中,ETC门架监测***实时采集异常车辆经过的门架数据,并将门架数据上传至服务器;服务器结合异常车辆的历史通行记录数据,并根据异常车辆的历史通行记录数据和经过的门架信息采用朴素贝叶斯算法实时计算评估,以便于完成异常车辆的出口和到达预测出口收费站的时间的预测;服务器自动读取后对前两个门架之间的速度进行测算,同时作为当前位置到目的地的速度进行时间计算,实时计算并确定出口收费站以及出口时间,对于本次通行的信息量不断增加,逐步提高预测的出口收费站的确定性,并且随着距离出口收费站距离的缩小,预测的下道时间的精度也会逐渐提高。
Description
技术领域
本发明涉及异常车辆高速出口及时间预测技术领域,具体为一种预测异常车辆高速出口及时间的方法。
背景技术
全国高速公路取消省界收费站实行ETC门架电子计费,ETC***是采用车辆自动识别技术完成车辆与收费站之间的无线数据通信,进行车辆自动感应识别和相关收费数据的交换,采用计算机网络进行收费数据的处理,实现不停车、不设人工收费窗口也能实现全自动电子收费。
现实中,有部分异常车辆,包括酒驾车辆、肇事车辆等违法车辆在高速上行驶时,由于驾驶员的状态不确定性,其驾驶车辆的高速出口及时间无法比较准确的预测,导致执行人员无法准确提前稽查布控,使得执法单位处于被动地位,且异常车辆的轨迹可巡查性较低,无法提前确定异常车辆的通行轨迹和通行目的,导致对异常车辆的管控性大大降低,为此,我们提出一种预测异常车辆高速出口及时间的方法。
发明内容
本发明的目的在于提供一种预测异常车辆高速出口及时间的方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种预测异常车辆高速出口及时间的方法,包括以下步骤:
S1:从高速公路收费***中获取异常车辆的基础性信息,同时做出异常车辆的真假性判断;
S2:异常车辆行驶过程中,ETC门架监测***实时采集异常车辆经过的门架数据,并将门架数据上传至服务器;
S3:服务器结合异常车辆的历史通行记录数据,并根据异常车辆的历史通行记录数据和经过的门架信息采用朴素贝叶斯算法实时计算评估,以便于完成异常车辆的出口和到达预测出口收费站的时间的预测;
S4:车辆每经过一个高速ETC门架后,则该高速ETC门架读取信息并上传服务器,服务器自动读取后对前两个门架之间的速度进行测算,同时作为当前位置到目的地的速度进行时间计算,同时实时对该车辆预测的出口收费站和出口时间根据步骤S3的方法实时作出相应计算调整,实时计算并确定出口收费站以及出口时间;
基于朴素贝叶斯算法的具体步骤为:
(1)服务器根据异常车辆的历史通行记录数据汇总出历史上、下高速收费站的汇总数据,然后根据历史入、出口收费站的数据统计计算异常车辆从出口收费站A上高速的概率P(A),即:
其中,A表示高速收费站,n表示是高速收费站A的次数,N表示所有上高速收费站的总次数;
(2)在假定车辆要上的高速收费站为A1时,从出口收费站B1下高速的条件概率是P(B1/A1),即:
其中,表示从出口收费站B1上且从入口收费站A1下的数量,表示上高速时出口收费站是A1的数量,依此类推计算出从入口收费站A上同时从出口收费站B下时的通行概率,这样能够得到不同入口收费站A上高速时的一个出口收费站B的条件概率,在得知入口收费站An后可以计算出最大概率的出口收费站Bn,即为预测的出口收费站,其中,n表示收费站编号;
(3)基于最大概率的预测出口收费站Bn可根据地图确立出一条最短路径线,同时获取该路程线上入口收费站An到出口收费站Bn之间的门架数据信息,中间涵盖若干组ETC门架J1、J2...Jn以及最后的出口收费站Bn;
(4)异常车辆行驶过程中,异常车辆所经过的ETC门架Jn会实时采集异常车辆经过的门架数据信息,即采集该门架Jn下车辆所经过的瞬时速度Vn,且结合上一组门架Jn-1监测到的瞬时速度Vn-1,同时通过计时器计算两组门架之间的通过时长T,计算出这两组门架路程之间的平均速度,作为当前门架Jn到Bn之间的速度Vfn,即:
其中,表示当前门架Jn到出口收费站Bn之间的平均速度计算值,以便于预测当前门架Jn到出口收费站Bn之间的时间,完成到达时间的预测;
(5)随着车辆的行进,时刻完成(4)步骤中的门架Jn数据监测和的数据计算,同时将计算完成的1、2、3……时刻记录并制成线型图一,同时基于入口收费站An和最近经过的门架Jn之间的路程以及时间完成已行走路程的平均速度Vtn的计算,这样每经过一个门架就可以得出该门架下的平均速度Vtn,同时将Vt1、Vt2、Vt3……的数据记录成线形图二;
(6)将线型图一和线型图二归置在同一线形图上,可视化程度高,且单段路程的平均速度更为明显,这样每经过一个门架即可更新优化得到一个新的速度值,且经计算能够得到一个新的耗时时长,便于更加准确地完成总时长的计算,从而确定出口收费站Bn的下站时间。
优选的,S1步骤中获取的异常车辆的基础性信息为基于互联网从数据云平台中获取车辆的型号、牌照、排量、油箱数据,以便于对车辆的行车情况做了解,同时获取异常车辆的使用数据信息,其中包括:
使用频率:在高速公路的行车情况,包括通行次数、总里程、交易费用;
出行习惯:客户驾驶车辆在高速公路上的出行特性,包括最早、晚出发时间、最长里程;
缴费习惯:客户对高速公路通行费用的缴纳特性,包括交易支付方式、现金缴纳次数、移动支付缴纳次数;
特殊事件:为客户交易异常和通行介质等异常情况,包括ETC未插卡次数、交易缺失次数;
作弊历史:车辆驾驶人为不交或少交高速公路通行费用的记录,包括冲卡次数、一车多签次数。
优选的,车辆的基础性信息获取来源包括车管所上牌时获取并记录的信息、每次审车时获取并记录的信息以及汽车4S店中的维修信息。
优选的,S1步骤中异常车辆信息获取后,完成其真假性判断,操作方法为:
(1)利用设置在卡口处的汽车电子标识读卡器读取通过该卡口处车辆的汽车电子标识,判断汽车电子标识的真伪;
(2)当汽车电子标识为真时,判断多个卡口处的汽车电子标识读卡器是否读取到相同的汽车电子标识,这样可以判断相同的汽车电子标识信息对应的车辆是否属于***或被***;
(3)当相同的汽车电子标识信息对应的车辆属于***或被***时,获取车辆预先绑定的驾驶人身份信息,根据驾驶人身份信息获取驾驶人的当前位置来判断驾驶人的当前位置与车辆的位置是否一致;如果驾驶人的当前位置与车辆的位置不一致,则车辆为***。
优选的,S2步骤中若干组ETC门架实时采集车辆通过时的瞬时速度以及当前门架和上一门架之间的通行时间,便于为同行时长计算做准备,同时也便于掌握异常车辆的行驶习惯。
优选的,S3步骤中在进行出口时间计算时,需要从高速公路收费***获取高速公路线路关系图,高速公路线路关系图是有向性地图,可直观展示出入口收费站A到出口收费站B之间的距离,且确定入口收费站An后,计算出概率最大的出口收费站Bn,即可按照最短路径原则在高速公路线路关系图中采用Dijkstra算法拟合一条入口收费站An到出口收费站Bn之间的最短路径。
优选的,所述入口收费站An到出口收费站Bn之间的最短路径确立后,入口收费站An到出口收费站Bn之间的门架数量、路程长度及历史通行数据。
与现有技术相比,本发明的有益效果是:
本发明结构设计合理,通过获取异常车辆的历史上、下高速收费站的汇总数据壳事先完成经过入口收费站和在确定入口收费站下经过出口收费站的条件概率,大幅度降低了对异常车辆的预测难度,能够为执法单位提供追踪大方向,基于此,所经过的ETC门架会实时采集异常车辆经过的门架数据信息,对于异常车辆的通行数据进行检测,能够实现后续的通行预测,数据来源于高速公路收费***,车辆通行ETC门架数据实时联动,动态获取,有效提高了模型的预测准确率,随着车辆经过多个收费门架,对于本次通行的信息量不断增加,逐步提高预测的出口收费站的确定性,并且随着距离出口收费站距离的缩小,预测的下道时间的精度也会逐渐提高。
附图说明
图1为本发明工作原理示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:一种预测异常车辆高速出口及时间的方法,包括以下步骤:
S1:从高速公路收费***中获取异常车辆的基础性信息,同时做出异常车辆的真假性判断;
S2:异常车辆行驶过程中,ETC门架监测***实时采集异常车辆经过的门架数据,并将门架数据上传至服务器;
S3:服务器结合异常车辆的历史通行记录数据,并根据异常车辆的历史通行记录数据和经过的门架信息采用朴素贝叶斯算法实时计算评估,以便于完成异常车辆的出口和到达预测出口收费站的时间的预测;
S4:车辆每经过一个高速ETC门架后,则该高速ETC门架读取信息并上传服务器,服务器自动读取后对前两个门架之间的速度进行测算,同时作为当前位置到目的地的速度进行时间计算,同时实时对该车辆预测的出口收费站和出口时间根据步骤S3的方法实时作出相应计算调整,实时计算并确定出口收费站以及出口时间;
基于朴素贝叶斯算法的具体步骤为:
(1)服务器根据异常车辆的历史通行记录数据汇总出历史上、下高速收费站的汇总数据,然后根据历史入、出口收费站的数据统计计算异常车辆从出口收费站A上高速的概率P(A),即:
其中,A表示高速收费站,n表示是高速收费站A的次数,N表示所有上高速收费站的总次数;
(2)在假定车辆要上的高速收费站为A1时,从出口收费站B1下高速的条件概率是P(B1/A1),即:
其中,表示从出口收费站B1上且从入口收费站A1下的数量,表示上高速时出口收费站是A1的数量,依此类推计算出从入口收费站A上同时从出口收费站B下时的通行概率,这样能够得到不同入口收费站A上高速时的一个出口收费站B的条件概率,在得知入口收费站An后可以计算出最大概率的出口收费站Bn,即为预测的出口收费站,其中,n表示收费站编号;
(3)基于最大概率的预测出口收费站Bn可根据地图确立出一条最短路径线,同时获取该路程线上入口收费站An到出口收费站Bn之间的门架数据信息,中间涵盖若干组ETC门架J1、J2...Jn以及最后的出口收费站Bn;
(4)异常车辆行驶过程中,异常车辆所经过的ETC门架Jn会实时采集异常车辆经过的门架数据信息,即采集该门架Jn下车辆所经过的瞬时速度Vn,且结合上一组门架Jn-1监测到的瞬时速度Vn-1,同时通过计时器计算两组门架之间的通过时长T,计算出这两组门架路程之间的平均速度,作为当前门架Jn到Bn之间的速度Vfn,即:
其中,表示当前门架Jn到出口收费站Bn之间的平均速度计算值,以便于预测当前门架Jn到出口收费站Bn之间的时间,完成到达时间的预测;
(5)随着车辆的行进,时刻完成(4)步骤中的门架Jn数据监测和的数据计算,同时将计算完成的1、2、3……时刻记录并制成线型图一,同时基于入口收费站An和最近经过的门架Jn之间的路程以及时间完成已行走路程的平均速度Vtn的计算,这样每经过一个门架就可以得出该门架下的平均速度Vtn,同时将Vt1、Vt2、Vt3……的数据记录成线形图二;
(6)将线型图一和线型图二归置在同一线形图上,可视化程度高,且单段路程的平均速度更为明显,这样每经过一个门架即可更新优化得到一个新的速度值,且经计算能够得到一个新的耗时时长,便于更加准确地完成总时长的计算,从而确定出口收费站Bn的下站时间。
实施例
假定历史记录中A1到B1的次数为5,A1到B2次数为3,A1到B3次数为4,且B1、B2、B3为单向行驶;
假定A1到B1之间的门架为AB1,B1到B2之间的门架为B12,B2到B3之间的门架为B23;
假定A1到AB1之间的距离为L1,AB1到B1之间的距离为L2,AB1到B12之间的距离为L3,B12到B2之间的距离为L4,B12到B23之间的距离为L5,B23到B3之间的距离为L6,这样假定入口收费站为A1且在早上八点上高速时,从B1下站的概率为5/12,从B2下站的概率为1/4,从B3下站的概率为1/3,因此,预测的行驶路径就是A1、B2、B2、B3;
假定L1、L2、L3、L4、L5、L6分别为100km、100km、200km、100km、200km、100km,且假定从A1到达AB1门架时的时间为九点整,且到达AB1门架时的速度为100km/h,这样在B1下高速时所需时间为(100/100)X60=120min,从B1下高速时间为十点整;
在不经过B1收费站时,车辆继续向前行进,假定到达B12门架时的时间为十一点整,且到达B12门架时的速度为120km/h,这样在B2下高速时所需时间为(100/120)X60=50min,从B2下高速时间为十一点五十分,但是车辆在经过AB1和B12门架时的速度分别为100km/h和120km/h,且从B12到B23门架的通过时长为120min,所以AB1到B12门架之间的平均速度为(100X60/60+120X60/60)/2=110km/h,则从B2下高速时的时长为(100/110)X60=55min,从B2下高速准确预测时间为十一点五十五分;
在不经过B2收费站时,车辆继续向前行进,假定到达B23门架时的时间为十二点四十分,且到达B23门架时的速度为100km/h,这样在B3下高速时所需时间为(100/100)X60=60min,从B3下高速时间为一点四十分,但是车辆在经过B12和B23门架时的速度分别0为120km/h和100km/h,且从B12到B23门架的通过时长为100min,所以B12到B23门架之间的平均速度为120km/h,则从B3下高速时的时长为(100/120)X60=50min,从B3下高速准确预测时间为一点三十分,这样在车辆的行进过程中,能够动态采集数据,每过一个门架或收费站时能够有相应的信息反馈,便于实时预测出口位置和时间,方便公安或者高速收费部门进行提前布控。
S1步骤中获取的异常车辆的基础性信息为基于互联网从数据云平台中获取车辆的型号、牌照、排量、油箱数据,以便于对车辆的行车情况做了解,同时获取异常车辆的使用数据信息,其中包括:
使用频率:在高速公路的行车情况,包括通行次数、总里程、交易费用;
出行习惯:客户驾驶车辆在高速公路上的出行特性,包括最早、晚出发时间、最长里程;
缴费习惯:客户对高速公路通行费用的缴纳特性,包括交易支付方式、现金缴纳次数、移动支付缴纳次数;
特殊事件:为客户交易异常和通行介质等异常情况,包括ETC未插卡次数、交易缺失次数;
作弊历史:车辆驾驶人为不交或少交高速公路通行费用的记录,包括冲卡次数、一车多签次数;
S1步骤中异常车辆信息获取后,完成其真假性判断,操作方法为:
(1)利用设置在卡口处的汽车电子标识读卡器读取通过该卡口处车辆的汽车电子标识,判断汽车电子标识的真伪;
(2)当汽车电子标识为真时,判断多个卡口处的汽车电子标识读卡器是否读取到相同的汽车电子标识,这样可以判断相同的汽车电子标识信息对应的车辆是否属于***或被***;
(3)当相同的汽车电子标识信息对应的车辆属于***或被***时,获取车辆预先绑定的驾驶人身份信息,根据驾驶人身份信息获取驾驶人的当前位置来判断驾驶人的当前位置与车辆的位置是否一致;如果驾驶人的当前位置与车辆的位置不一致,则车辆为***;
S2步骤中若干组ETC门架实时采集车辆通过时的瞬时速度以及当前门架和上一门架之间的通行时间,便于为同行时长计算做准备,同时也便于掌握异常车辆的行驶习惯;
S3步骤中在进行出口时间计算时,需要从高速公路收费***获取高速公路线路关系图,高速公路线路关系图是有向性地图,可直观展示出入口收费站A到出口收费站B之间的距离,且确定入口收费站An后,计算出概率最大的出口收费站Bn,即可按照最短路径原则在高速公路线路关系图中采用Dijkstra算法拟合一条入口收费站An到出口收费站Bn之间的最短路径;
所述入口收费站An到出口收费站Bn之间的最短路径确立后,入口收费站An到出口收费站Bn之间的门架数量、路程长度及历史通行数据;
工作原理:通过获取异常车辆的历史上、下高速收费站的汇总数据壳事先完成经过入口收费站和在确定入口收费站下经过出口收费站的条件概率,大幅度降低了对异常车辆的预测难度,能够为执法单位提供追踪大方向,基于此,所经过的ETC门架会实时采集异常车辆经过的门架数据信息,对于异常车辆的通行数据进行检测,能够实现后续的通行预测,数据来源于高速公路收费***,车辆通行ETC门架数据实时联动,动态获取,有效提高了模型的预测准确率,随着车辆经过多个收费门架,对于本次通行的信息量不断增加,逐步提高预测的出口收费站的确定性,并且随着距离出口收费站距离的缩小,预测的下道时间的精度也会逐渐提高。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种预测异常车辆高速出口及时间的方法,其特征在于:包括以下步骤:
S1:从高速公路收费***中获取异常车辆的基础性信息,同时做出异常车辆的真假性判断;
S2:异常车辆行驶过程中,ETC门架监测***实时采集异常车辆经过的门架数据,并将门架数据上传至服务器;
S3:服务器结合异常车辆的历史通行记录数据,并根据异常车辆的历史通行记录数据和经过的门架信息采用朴素贝叶斯算法实时计算评估,以便于完成异常车辆的出口和到达预测出口收费站的时间的预测;
S4:车辆每经过一个高速ETC门架后,则该高速ETC门架读取信息并上传服务器,服务器自动读取后对前两个门架之间的速度进行测算,同时作为当前位置到目的地的速度进行时间计算,同时实时对该车辆预测的出口收费站和出口时间根据步骤S3的方法实时作出相应计算调整,实时计算并确定出口收费站以及出口时间;
基于朴素贝叶斯算法的具体步骤为:
(1)服务器根据异常车辆的历史通行记录数据汇总出历史上、下高速收费站的汇总数据,然后根据历史入、出口收费站的数据统计计算异常车辆从出口收费站A上高速的概率P(A),即:
其中,A表示高速收费站,n表示是高速收费站A的次数,N表示所有上高速收费站的总次数;
(2)在假定车辆要上的高速收费站为A1时,从出口收费站B1下高速的条件概率是P(B1/A1),即:
其中,表示从出口收费站B1上且从入口收费站A1下的数量,表示上高速时出口收费站是A1的数量,依此类推计算出从入口收费站A上同时从出口收费站B下时的通行概率,这样能够得到不同入口收费站A上高速时的一个出口收费站B的条件概率,在得知入口收费站An后可以计算出最大概率的出口收费站Bn,即为预测的出口收费站,其中,n表示收费站编号;
(3)基于最大概率的预测出口收费站Bn可根据地图确立出一条最短路径线,同时获取该路程线上入口收费站An到出口收费站Bn之间的门架数据信息,中间涵盖若干组ETC门架J1、J2...Jn以及最后的出口收费站Bn;
(4)异常车辆行驶过程中,异常车辆所经过的ETC门架Jn会实时采集异常车辆经过的门架数据信息,即采集该门架Jn下车辆所经过的瞬时速度Vn,且结合上一组门架Jn-1监测到的瞬时速度Vn-1,同时通过计时器计算两组门架之间的通过时长T,计算出这两组门架路程之间的平均速度,作为当前门架Jn到Bn之间的速度Vfn,即:
其中,表示当前门架Jn到出口收费站Bn之间的平均速度计算值,以便于预测当前门架Jn到出口收费站Bn之间的时间,完成到达时间的预测;
(5)随着车辆的行进,时刻完成(4)步骤中的门架Jn数据监测和的数据计算,同时将计算完成的1、2、3……时刻记录并制成线型图一,同时基于入口收费站An和最近经过的门架Jn之间的路程以及时间完成已行走路程的平均速度Vtn的计算,这样每经过一个门架就可以得出该门架下的平均速度Vtn,同时将Vt1、Vt2、Vt3……的数据记录成线形图二;
(6)将线型图一和线型图二归置在同一线形图上,可视化程度高,且单段路程的平均速度更为明显,这样每经过一个门架即可更新优化得到一个新的速度值,且经计算能够得到一个新的耗时时长,便于更加准确地完成总时长的计算,从而确定出口收费站Bn的下站时间。
2.根据权利要求1所述的一种预测异常车辆高速出口及时间的方法,其特征在于:S1步骤中获取的异常车辆的基础性信息为基于互联网从数据云平台中获取车辆的型号、牌照、排量、油箱数据,以便于对车辆的行车情况做了解,同时获取异常车辆的使用数据信息。
3.根据权利要求2所述的一种预测异常车辆高速出口及时间的方法,其特征在于:S1步骤中异常车辆信息获取后,完成其真假性判断,操作方法为:
(1)利用设置在卡口处的汽车电子标识读卡器读取通过该卡口处车辆的汽车电子标识,判断汽车电子标识的真伪;
(2)当汽车电子标识为真时,判断多个卡口处的汽车电子标识读卡器是否读取到相同的汽车电子标识,这样可以判断相同的汽车电子标识信息对应的车辆是否属于***或被***;
(3)当相同的汽车电子标识信息对应的车辆属于***或被***时,获取车辆预先绑定的驾驶人身份信息,根据驾驶人身份信息获取驾驶人的当前位置来判断驾驶人的当前位置与车辆的位置是否一致;如果驾驶人的当前位置与车辆的位置不一致,则车辆为***。
4.根据权利要求1所述的一种预测异常车辆高速出口及时间的方法,其特征在于:S2步骤中若干组ETC门架实时采集车辆通过时的瞬时速度以及当前门架和上一门架之间的通行时间,便于为同行时长计算做准备,同时也便于掌握异常车辆的行驶习惯。
5.根据权利要求1所述的一种预测异常车辆高速出口及时间的方法,其特征在于:S3步骤中在进行出口时间计算时,需要从高速公路收费***获取高速公路线路关系图,高速公路线路关系图是有向性地图,可直观展示出入口收费站A到出口收费站B之间的距离,且确定入口收费站An后,计算出概率最大的出口收费站Bn,即可按照最短路径原则在高速公路线路关系图中采用Dijkstra算法拟合一条入口收费站An到出口收费站Bn之间的最短路径。
6.根据权利要求5所述的一种预测异常车辆高速出口及时间的方法,其特征在于:所述入口收费站An到出口收费站Bn之间的最短路径确立后,入口收费站An到出口收费站Bn之间的门架数量、路程长度及历史通行数据。
7.根据权利要求2所述的一种预测异常车辆高速出口及时间的方法,其特征在于:车辆的基础性信息获取来源包括车管所上牌时获取并记录的信息、每次审车时获取并记录的信息以及汽车4S店中的维修信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211519592.9A CN115731713A (zh) | 2022-11-30 | 2022-11-30 | 一种预测异常车辆高速出口及时间的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211519592.9A CN115731713A (zh) | 2022-11-30 | 2022-11-30 | 一种预测异常车辆高速出口及时间的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115731713A true CN115731713A (zh) | 2023-03-03 |
Family
ID=85299446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211519592.9A Pending CN115731713A (zh) | 2022-11-30 | 2022-11-30 | 一种预测异常车辆高速出口及时间的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115731713A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117609415A (zh) * | 2024-01-23 | 2024-02-27 | 山东高速信息集团有限公司 | 一种高速公路车辆出口预测***及预测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005084722A (ja) * | 2003-09-04 | 2005-03-31 | Toshiba Corp | 道路交通状況の解析装置および予測装置 |
CN103440767A (zh) * | 2013-09-04 | 2013-12-11 | 彭博 | 高速公路行车信息车载终端、监控***和方法 |
CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别***的收费公路网交通信息采集与诱导*** |
CN111063204A (zh) * | 2019-12-19 | 2020-04-24 | 浙江省交通规划设计研究院有限公司 | 一种基于收费站流量的高速公路车速预测模型训练方法 |
CN111932897A (zh) * | 2020-09-23 | 2020-11-13 | 南京感动科技有限公司 | 一种高速公路收费稽查快速迭代的方法 |
CN113034894A (zh) * | 2021-02-04 | 2021-06-25 | 招商新智科技有限公司 | 一种etc门架***、高速公路路段封闭预警方法及装置 |
CN113053114A (zh) * | 2021-03-12 | 2021-06-29 | 广西计算中心有限责任公司 | 高速公路违规车辆出口站及出口时间的动态预测稽查方法 |
WO2022067368A1 (de) * | 2020-10-02 | 2022-04-07 | Avl List Gmbh | Computergestütztes verfahren und vorrichtung zur wahrscheinlichkeitsbasierten geschwindigkeitsprognose für fahrzeuge |
CN114550459A (zh) * | 2022-04-25 | 2022-05-27 | 南京智慧交通信息股份有限公司 | 一种基于大数据和动态多维度精确预测公交车辆到站方法 |
CN115083155A (zh) * | 2022-06-14 | 2022-09-20 | 四川交通职业技术学院 | 一种高速公路收费站应有etc车道数测算方法 |
-
2022
- 2022-11-30 CN CN202211519592.9A patent/CN115731713A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005084722A (ja) * | 2003-09-04 | 2005-03-31 | Toshiba Corp | 道路交通状況の解析装置および予測装置 |
CN103440767A (zh) * | 2013-09-04 | 2013-12-11 | 彭博 | 高速公路行车信息车载终端、监控***和方法 |
CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别***的收费公路网交通信息采集与诱导*** |
CN111063204A (zh) * | 2019-12-19 | 2020-04-24 | 浙江省交通规划设计研究院有限公司 | 一种基于收费站流量的高速公路车速预测模型训练方法 |
CN111932897A (zh) * | 2020-09-23 | 2020-11-13 | 南京感动科技有限公司 | 一种高速公路收费稽查快速迭代的方法 |
WO2022067368A1 (de) * | 2020-10-02 | 2022-04-07 | Avl List Gmbh | Computergestütztes verfahren und vorrichtung zur wahrscheinlichkeitsbasierten geschwindigkeitsprognose für fahrzeuge |
CN113034894A (zh) * | 2021-02-04 | 2021-06-25 | 招商新智科技有限公司 | 一种etc门架***、高速公路路段封闭预警方法及装置 |
CN113053114A (zh) * | 2021-03-12 | 2021-06-29 | 广西计算中心有限责任公司 | 高速公路违规车辆出口站及出口时间的动态预测稽查方法 |
CN114550459A (zh) * | 2022-04-25 | 2022-05-27 | 南京智慧交通信息股份有限公司 | 一种基于大数据和动态多维度精确预测公交车辆到站方法 |
CN115083155A (zh) * | 2022-06-14 | 2022-09-20 | 四川交通职业技术学院 | 一种高速公路收费站应有etc车道数测算方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117609415A (zh) * | 2024-01-23 | 2024-02-27 | 山东高速信息集团有限公司 | 一种高速公路车辆出口预测***及预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101965601B (zh) | 驾驶辅助装置及驾驶辅助方法 | |
CN103886647B (zh) | 基于北斗的兼容etc和mtc的收费***、装置及方法 | |
CN109637137A (zh) | 基于车路协同的交通管理*** | |
CN105550789A (zh) | 一种公交出行客流的预测方法 | |
CN113053114B (zh) | 高速公路违规车辆出口站及出口时间的动态预测稽查方法 | |
CN104933860B (zh) | 基于gps数据的公交车堵车延误时间预测方法 | |
CN105590346A (zh) | 基于路径识别***的收费公路网交通信息采集与诱导*** | |
CN109147072A (zh) | 一种高速公路跨计费主体进行计费的方法和*** | |
CN104021593B (zh) | 基于卫星定位***的车辆电子收费方法、***及装置 | |
CN104933863A (zh) | 一种交通道路中异常路段识别的方法及*** | |
CN104867192A (zh) | 基于汽车电子标识的车辆行驶路径识别***及方法 | |
CN208985220U (zh) | 一种高速公路跨计费主体进行计费的*** | |
CN115731713A (zh) | 一种预测异常车辆高速出口及时间的方法 | |
CN113436432A (zh) | 一种利用路侧观测数据进行路段短时交通风险预测的方法 | |
CN104700630A (zh) | 一种高速公路车流量的监测方法及*** | |
CN116434526B (zh) | 一种基于数据分析的智慧高速公路车辆行驶引流监控管理*** | |
CN114973659A (zh) | 一种高速公路的间接事件检测的方法、装置及*** | |
CN114913615A (zh) | 一种面向etc车道的高速公路无栏杆自由流收费***及方法 | |
CN107154151A (zh) | 一种车辆认证方法及装置 | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN113963550A (zh) | 一种多义路径识别方法、装置及电子设备 | |
CN115909526B (zh) | 一种高速公路收费方法及装置 | |
CN116844334A (zh) | Etc门架信息缺失情况下的车辆路径还原方法及*** | |
CN114780591B (zh) | 一种检测行程车牌识别错误的计算方法和*** | |
CN115326180B (zh) | 一种基于通信技术的大规模车辆动态定位方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230303 |