CN118053230A - 基于停车场道闸的智能遥控方法及*** - Google Patents
基于停车场道闸的智能遥控方法及*** Download PDFInfo
- Publication number
- CN118053230A CN118053230A CN202410444178.9A CN202410444178A CN118053230A CN 118053230 A CN118053230 A CN 118053230A CN 202410444178 A CN202410444178 A CN 202410444178A CN 118053230 A CN118053230 A CN 118053230A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intelligent
- accessed
- gate
- parking lot
- 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
- 230000004888 barrier function Effects 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012795 verification Methods 0.000 claims abstract description 43
- 230000009467 reduction Effects 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 230000001276 controlling effect Effects 0.000 claims abstract description 11
- 230000001105 regulatory effect Effects 0.000 claims abstract description 8
- 230000033228 biological regulation Effects 0.000 claims description 26
- 238000007726 management method Methods 0.000 claims description 22
- 230000006698 induction Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000013439 planning Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 11
- 238000001914 filtration Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能道闸领域,提出了基于停车场道闸的智能遥控方法及***,所述方法包括:获取停车场口的待出入车辆,并对其进行智能图像识别和外廓智能检测,得到车辆智能图像和外廓智能信息,利用预设的中央服务器对外廓智能信息进行高维映射后,对外廓高维参数进行特征降维,提取待出入车辆的牌照特征参数,并与停车场数据库进行参数验证,并根据验证信息查询进出入权限,并确定出入口道闸的启闸优先级后,实时调控道闸,得到实时调控指令后,监测车辆出入状态,并计算平均过闸时间和速度安全值,根据速度安全值进行状态实时监控,识别车辆驶向参数,并关闭道闸当待出入车辆驶出地磁感应区域。本发明可以提高停车场道闸的智能控制效率。
Description
技术领域
本发明涉及智能道闸领域,尤其涉及基于停车场道闸的智能遥控方法及***。
背景技术
停车场道闸是一种用于控制车辆出入停车场的设备,通常由机械臂、控制***和传感器组成,其作用是限制车辆进出,有效管理停车场的停放流量,确保安全与秩序。
目前,常用的停车场道闸控制方法主要包括手动操作、红外线感应和电子遥控等,手动操作需要人工控制道闸的开关,无法实现远程控制和自动化管理;电子遥控则可以通过无线电信号实现远程控制,但对于信号干扰和安全性有较高的要求,因此,对于停车场道闸的控制方法技术还需要进一步改进和创新,以提高停车场道闸的智能控制效率。
发明内容
本发明提供基于停车场道闸的智能遥控方法及***,其主要目的在于提高停车场道闸的智能控制效率。
为实现上述目的,本发明提供的基于停车场道闸的智能遥控方法,包括:
获取停车场口的待出入车辆,对所述待出入车辆进行智能图像识别,得到车辆智能图像,对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,利用预设的中央服务器对所述外廓智能信息进行高维映射,得到外廓高维参数;
对所述外廓高维参数进行特征降维,得到降维特征点,基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,将牌照特征参数与预设的停车场数据库进行参数验证,得到验证数据;
基于所述验证信息,查询所述待出入车辆对应的进出入权限,并根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,基于所述启闸优先级,对所述出入口道闸进行实时调控,得到实时调控指令;
基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值;
基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,识别所述实时状态数据中的车辆驶向参数,基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,当所述待出入车辆驶出所述地磁感应区域,关闭所述出入口道闸。
可选地,所述对所述待出入车辆进行智能图像识别,得到车辆智能图像,包括:
利用预设的监控设备采集所述待出入车辆的车体图像,并将所述车体图像划分为主体图像和从属图像;
分别识别所述主体图像和所述从属图像对应的主像素点位和从像素点位;
基于所述主像素点位和所述从像素点位,分别分析所述主体图像和所述从属图像对应的主图像语义信息和从图像语义信息;
根据所述主图像语义信息和从图像语义信息,分别提取所述主体图像和所述从属图像对应的主特征信息和从特征信息;
将所述主体图像、所述从属图像、所述主特征信息以及所述从特征信息进行组合,得到所述车辆智能图像。
可选地,所述对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,包括:
识别所述车辆智能图像对应的边缘像素,映射所述边缘像素对应的像素长度;
基于所述像素长度,对所述车辆智能图像进行外廓角点检测,得到外廓角点数据;
基于所述外廓角点数据,对所述车辆智能图像进行区域智能填充,得到外廓智能信息。
可选地,所述基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,包括:
分割所述降维特征点对应的特征字符;
对所述特征字符进行文本提取,得到字符文本信息;
识别所述字符文本信息中的牌照描述子;
基于所述牌照描述子,提取所述待出入车辆对应的牌照特征参数。
可选地,所述基于所述验证信息,查询所述待出入车辆对应的进出入权限,包括:
对所述验证信息进行数据解析,得到解析数据;
基于所述解析数据,查询预设的停车场管理数据库中的车联信息,识别所述车联信息的权限状态;
将所述权限状态更新至所述待出入车辆对应的权限日志;
基于所述权限日志,确定所述待出入车辆对应的进出入权限。
可选地,所述根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,包括:
基于所述进出入权限,建立所述待出入车辆对应的权限等级体系;
基于所述权限等级体系,规划所述预设的出入口道闸对应的道闸设置;
基于所述道闸设置,配置所述预设的出入口道闸对应的门禁***;
基于所述门禁***,确定预设的出入口道闸对应的启闸优先级。
可选地,所述根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,包括:
利用下述公式计算所述待出入车辆对应的平均过闸时间:
;
其中,AT表示所述待出入车辆对应的平均过闸时间,表示所述待出入车辆的数量索引,/>表示所述待出入车辆的总数量,/>表示第/>辆车通过道口所需的时间,/>表示第/>辆车的出入状态参数,/>表示状态参数/>对应的状态函数。
可选地,所述基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值,包括:
利用下述公式计算所述待进入车辆对应的速度安全值:
;
其中,表示所述待进入车辆对应的速度安全值,j表示所述待出入车辆的车辆索引,/>表示第j辆车通过道口所需的时间,AT表示所述待出入车辆对应的平均过闸时间,表示第j辆车的驾驶员技术评分,表示驾驶员的技术水平,/>表示第j辆车的载客量指标,表示第j辆车的车况指数。
可选地,所述基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,包括:
将所述速度安全值作为所述待出入车辆对应的速度标准;
基于所述速度标准,对所述待出入车辆进行速度实时检测,得到车辆实时速度;
对所述车辆实时速度进行状态标识,得到车辆标识状态;
提取所述车辆标识状态中的实时状态数据。
为了解决上述问题,本发明还提供基于停车场道闸的智能遥控***,所述***包括:
高维映射模块,用于获取停车场口的待出入车辆,对所述待出入车辆进行智能图像识别,得到车辆智能图像,对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,利用预设的中央服务器对所述外廓智能信息进行高维映射,得到外廓高维参数;
参数验证模块,用于对所述外廓高维参数进行特征降维,得到降维特征点,基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,将牌照特征参数与预设的停车场数据库进行参数验证,得到验证数据;
实时调控模块,用于基于所述验证信息,查询所述待出入车辆对应的进出入权限,并根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,基于所述启闸优先级,对所述出入口道闸进行实时调控,得到实时调控指令;
安全值计算模块,用于基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值;
地磁感应模块,用于基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,识别所述实时状态数据中的车辆驶向参数,基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,当所述待出入车辆驶出所述地磁感应区域,关闭所述出入口道闸。
本发明通过获取停车场口的待出入车辆,不仅有助于提高停车场的管理效率和安全性,同时也为数据分析和自动化控制提供了基础,促进了停车场管理水平的提升,本发明通过对所述外廓高维参数进行特征降维,得到降维特征点,可以帮助过滤掉噪声和冗余特征,保留最重要的特征,提高后续的数据质量处理效果,本发明基于所述验证信息,查询所述待出入车辆对应的进出入权限,可以有效管理停车场的车辆流量,避免出现拥堵或混乱的情况,优化停车场的运行效率,本发明基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,可以合理分配通行资源,减少车辆等待时间,提高道闸口的通行效率,本发明基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,能够保障路口安全、优化流量管理、提高停车场的运行效率,并为后续道闸决策提供数据支持。因此,本发明提出的基于停车场道闸的智能遥控方法及***,能够提高停车场道闸的智能控制效率。
附图说明
图1为本发明一实施例提供的基于停车场道闸的智能遥控方法的流程示意图;
图2为本发明一实施例提供的基于停车场道闸的智能遥控***的模块示意图;
图3为本发明一实施例提供的基于停车场道闸的智能遥控方法的电子设备的内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供基于停车场道闸的智能遥控方法。所述基于停车场道闸的智能遥控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于停车场道闸的智能遥控方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于停车场道闸的智能遥控方法的流程示意图。在本实施例中,所述基于停车场道闸的智能遥控方法包括:
S1、获取停车场口的待出入车辆,对所述待出入车辆进行智能图像识别,得到车辆智能图像,对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,利用预设的中央服务器对所述外廓智能信息进行高维映射,得到外廓高维参数。
本发明通过获取停车场口的待出入车辆,不仅有助于提高停车场的管理效率和安全性,同时也为数据分析和自动化控制提供了基础,促进了停车场管理水平的提升。
其中,所述待出入车辆是指即将进入或离开停车场的车辆,这些车辆需要经过道闸进行进出控制,可选地,所述获取停车场入口的待出入车辆可以通过区域监测探头实现获得,如:可以实时监测指定区域内的车辆情况,获取车辆的位置、运动轨迹等信息。
本发明通过对所述待出入车辆进行智能图像识别,得到车辆智能图像,可以提高停车场道闸控制的效率、精度和安全性,为后续进行停车场管理提供了更多的数据支持和决策依据。
其中,所述车辆智能图像是指经过处理和合成得到的具有智能识别和分析功能的车辆图像数据。
作为本发明的一个实施例,所述对所述待出入车辆进行智能图像识别,得到车辆智能图像,包括:利用预设的监控设备采集所述待出入车辆的车体图像,并将所述车体图像划分为主体图像和从属图像;分别识别所述主体图像和所述从属图像对应的主像素点位和从像素点位;基于所述主像素点位和所述从像素点位,分别分析所述主体图像和所述从属图像对应的主图像语义信息和从图像语义信息;根据所述主图像语义信息和从图像语义信息,分别提取所述主体图像和所述从属图像对应的主特征信息和从特征信息;将所述主体图像、所述从属图像、所述主特征信息以及所述从特征信息进行组合,得到所述车辆智能图像。
其中,所述预设的监控设备是指事先设置好的用于采集车辆图像的监控设备;所述车体图像是指待出入车辆的整体车身图像;所述主体图像是指车体图像中主要部分或主体的图像区域;所述从属图像是指车体图像中次要部分或从属的图像区域;所述主像素点位是指主体图像对应的关键像素点位置;所述从像素点位是指从属图像对应的关键像素点位置;所述所述主图像语义信息是指主体图像包含的语义信息或内容;所述从图像语义信息是指从属图像包含的语义信息或内容;所述主特征信息是指从主体图像提取的关键特征信息;所述从特征信息是指从从属图像提取的关键特征信息。
进一步地,所述利用预设的监控设备采集所述待出入车辆的车体图像可以通过卷积神经网络实现获得,如:YOLO、SSD等;所述分别识别所述主体图像和所述从属图像对应的主像素点位和从像素点位可以通过特征提取和匹配算法实现获得,如:SIFT、SURF等算法;所述分别分析所述主体图像和所述从属图像对应的主图像语义信息和从图像语义信息可以通过预训练的CNN模型实现获得,如:VGG16、ResNet等模型;所述分别提取所述主体图像和所述从属图像对应的主特征信息和从特征信息可以通过特征提取算法实现获得,如:PCA、LBP等算法。
本发明通过对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,可以精确获取车辆外廓信息,避免人为因素导致的识别错误,有助于提高数据的准确性和可靠性,为后续决策提供更可靠的依据。
其中,所述外廓智能信息是指利用外廓角点数据对车辆智能图像进行区域智能填充后得到的关于车辆外形的详细信息。
作为本发明的一个实施例,所述对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,包括:识别所述车辆智能图像对应的边缘像素;映射所述边缘像素对应的像素长度;基于所述像素长度,对所述车辆智能图像进行外廓角点检测,得到外廓角点数据;基于所述外廓角点数据,对所述车辆智能图像进行区域智能填充,得到外廓智能信息。
其中,所述边缘像素是指车辆智能图像中表示车辆外轮廓的像素点;所述像素长度是指将边缘像素映射为实际长度或距离的过程,用于测量车辆外形在图像上的线段长度;所述外廓角点数据是指通过对车辆智能图像进行外廓角点检测获得的顶点坐标或数据。
进一步地,所述识别所述车辆智能图像对应的边缘像素可以通过边缘检测算法实现获得,如:U-Net、Mask R-CNN等算法;所述映射所述边缘像素对应的像素长度可以通过距离变换方法实现获得;所述对所述车辆智能图像进行外廓角点检测可以通过角点检测算法实现获得,如:Harris、Shi-Tomasi、FAST等算法;所述对所述车辆智能图像进行区域智能填充可以通过生成对抗网络实现获得,如:Pix2Pix、CycleGAN等。
本发明通过利用预设的中央服务器对所述外廓智能信息进行高维映射,得到外廓高维参数,可以将外廓智能信息转换为更丰富、更具代表性的高维参数,有助于更准确地描述和解释数据特征。
其中,所述外廓高维参数是指车辆在多维空间中的外部特征参数或边界属性,这些参数可能涉及到车辆的形状、大小、轮廓以及其他相关特征,用于描述物体在多维空间中的外观和结构,可选地,所述利用预设的中央服务器对所述外廓智能信息进行高维映射可以通过Scikit-learn中的PCA算法实现获得。
S2、对所述外廓高维参数进行特征降维,得到降维特征点,基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,将牌照特征参数与预设的停车场数据库进行参数验证,得到验证数据;
本发明通过对所述外廓高维参数进行特征降维,得到降维特征点,可以帮助过滤掉噪声和冗余特征,保留最重要的特征,提高后续的数据质量处理效果。
其中,所述降维特征点是指对原始高维数据进行处理后得到的新的特征向量或特征组合,保留了原始数据中最重要的信息,同时减少了数据的维度,使得数据更易于处理、分析和理解;可选地,所述对所述外廓高维参数进行特征降维可以通过线性降维技术实现获得,如:PCA、t-SNE、LDA等方法。
本发明基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,可以提高识别准确性、提高处理效率和增强***的鲁棒性,从而提升智能停车场道闸***的整体性能。
其中,所述牌照特征参数是指根据牌照描述子提取出来的特征,可包括形状、颜色、文字样式等方面的参数信息。
作为本发明的一个实施例,所述基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,包括:分割所述降维特征点对应的特征字符;对所述特征字符进行文本提取,得到字符文本信息;识别所述字符文本信息中的牌照描述子;基于所述牌照描述子,提取所述待出入车辆对应的牌照特征参数。
其中,所述特征字符是指从降维特征点中提取出来的代表牌照上字符的关键特征;所述字符文本信息是指从特征字符中提取出的表示牌照字符的文本内容;所述牌照描述子是指对识别出的字符文本信息进行处理和提取后得到的用于描述牌照的特征。
进一步地,所述特征字符可以通过字符分割算法实现获得,如:垂直投影分割、连通分量分割法等方法;所述字符文本信息可以通过文本提取技术实现获得,如:OCR、NLP等;所述牌照描述子可以通过文本识别技术或模式识别方法实现获得;所述牌照特征参数可以通过特征提取算法实现获得,如:PCA、LBP、HOG等算法。
本发明将牌照特征参数与预设的停车场数据库进行参数验证,得到验证数据,可以确保停车场只允许合法的车辆进出,并且可以有效防止盗窃、入侵和其他非法活动发生,提高停车场的整体安全性。
其中,所述验证数据是指通过将牌照特征参数与预设的停车场数据库进行参数验证后得到的结果数据,可选地,所述验证数据可以通过牌照识别技术实现获得,如:OpenALPR、EasyPR等技术。
S3、基于所述验证信息,查询所述待出入车辆对应的进出入权限,并根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,基于所述启闸优先级,对所述出入口道闸进行实时调控,得到实时调控指令。
本发明基于所述验证信息,查询所述待出入车辆对应的进出入权限,可以有效管理停车场的车辆流量,避免出现拥堵或混乱的情况,优化停车场的运行效率。
其中,所述进出入权限是指基于权限日志中的最新记录确定的车辆实际的进出权限,即是否允许车辆进入或离开停车场。
作为本发明的一个实施例,所述基于所述验证信息,查询所述待出入车辆对应的进出入权限,包括:对所述验证信息进行数据解析,得到解析数据;基于所述解析数据,查询预设的停车场管理数据库中的车联信息;识别所述车联信息的权限状态;将所述权限状态更新至所述待出入车辆对应的权限日志;基于所述权限日志,确定所述待出入车辆对应的进出入权限。
其中,所述解析数据是指通过对验证信息进行数据解析得到的相关信息,如车牌号、进入时间、离开时间等;所述车联信息是指预设的停车场管理数据库中与所述车牌号相关联的车辆信息,包括车主姓名、授权状态、进出权限等;所述权限状态是指根据车联信息中的授权状态确定的待出入车辆的进出权限状态,如有效或无效;所述权限日志是指记录了车辆进出权限状态变化历史的日志记录,用于回溯和查询车辆的权限情况。
进一步地,所述解析数据可以通过文本解析算法实现获得,如:分词、词性标注等算法;所述车联信息可以通过停车场管理***、数据库查询或者车辆管理平台实现获得;所述权限状态可以通过机器学习算法实现获得,如:决策树、逻辑回归或者支持向量机等;所述权限日志可以通过日志记录工具、数据库实现获得。
本发明根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,使得交通流量能够更加平衡地分配到各个出入口,从而提高整体交通***的运行效率。
其中,所述启闸优先级是指基于门禁***和权限等级体系,确定预设的出入口道闸的开闸优先级顺序。
作为本发明的一个实施例,所述根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,包括:基于所述进出入权限,建立所述待出入车辆对应的权限等级体系;基于所述权限等级体系,规划所述预设的出入口道闸对应的道闸设置;基于所述道闸设置,配置所述预设的出入口道闸对应的门禁***;基于所述门禁***,确定预设的出入口道闸对应的启闸优先级。
其中,所述权限等级体系是指根据车辆的进出入权限,建立一个等级体系来确定车辆的权限高低;所述道闸设置是指根据权限等级体系,规划预设的出入口道闸的具体设置;所述门禁***是指针对预设的出入口道闸,配置相应的门禁***来控制道闸的开启和关闭。
进一步地,所述权限等级体系可以通过层次化访问控制模型实现获得,如:Bell-LaPadula、Biba等模型;所述道闸设置可以通过智能优化算法实现获得,如:遗传算法、模拟退火算法等算法;所述门禁***可以通过车辆识别技术实现获得,如:车牌识别技术、RFID技术、人脸识别技术等技术;所述启闸优先级可以通过实时调度算法实现获得,如:最短作业优先、最高响应比优先等算法。
本发明基于所述启闸优先级,对所述出入口道闸进行实时调控,得到实时调控指令,可以根据实际交通状况和道路负荷情况,合理分配通行资源,避免过度拥堵或者资源浪费,实现交通流量的优化控制。
其中,所述实时调控指令是指根据车辆通行的情况和道路负荷状况,通过调整出入口道闸的开启或关闭来控制交通通行流量的命令,并且这些指令可以根据交通情况动态变化,以便合理分配通行资源,防止交通拥堵,减少资源浪费,并最终达到优化控制交通流量的目的,可选地,所述对所述出入口道闸进行实时调控可以通过调控工具实现获得,如:PLC、传感器、摄像头等工具。
S4、基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值;
本发明基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,可以合理分配通行资源,减少车辆等待时间,提高道闸口的通行效率。
其中,所述出入状态是指车辆的进入或离开道闸口的状态,可选地,所述监测所述待出入车辆的出入状态可以通过图像处理和计算机视觉算法实现获得,如:通过车辆检测和跟踪算法,可以实时判断车辆是否进入或离开道闸口。
作为本发明的一个实施例,所述根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,包括:
利用下述公式计算所述待出入车辆对应的平均过闸时间:
;
其中,AT表示所述待出入车辆对应的平均过闸时间,表示所述待出入车辆的数量索引,/>表示所述待出入车辆的总数量,/>表示第/>辆车通过道口所需的时间,/>表示第/>辆车的出入状态参数,/>表示状态参数/>对应的状态函数。
作为本发明的又一个实施例,所述基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值,包括:
利用下述公式计算所述待进入车辆对应的速度安全值:
;
其中,表示所述待进入车辆对应的速度安全值,j表示所述待出入车辆的车辆索引,/>表示第j辆车通过道口所需的时间,AT表示所述待出入车辆对应的平均过闸时间,表示第j辆车的驾驶员技术评分,表示驾驶员的技术水平,/>表示第j辆车的载客量指标,表示第j辆车的车况指数。
S5、基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,识别所述实时状态数据中的车辆驶向参数,基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,当所述待出入车辆驶出所述地磁感应区域,关闭所述出入口道闸。
本发明基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,能够保障路口安全、优化流量管理、提高停车场的运行效率,并为后续道闸决策提供数据支持。
其中,所述实时状态数据是指通过监测和记录待出入车辆的关键信息和参数所获得的即时数据。
作为本发明的一个实施例,所述基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,包括:将所述速度安全值作为所述待出入车辆对应的速度标准;基于所述速度标准,对所述待出入车辆进行速度实时检测,得到车辆实时速度;对所述车辆实时速度进行状态标识,得到车辆标识状态;提取所述车辆标识状态中的实时状态数据。
其中,所述速度标准是指据道路条件、交通规则和车辆类型等因素确定的适当的速度安全值;所述车辆实时速度是指通过车载传感器或其他测速设备实时检测待出入车辆的速度,得到的实际速度值;所述车辆标识状态是指根据将待出入车辆的实时速度与速度标准进行比较,判断车辆是否在安全速度范围内,并为车辆标识相应的状态,如"正常"、"超速"、"过慢"等。
进一步地,所述对所述待出入车辆进行速度实时检测可以通过速度传感器实现获得,如:车速传感器、轮速传感器等;所述对所述实时车辆速度进行状态标识可以通过机器学习模型实现获得,如:逻辑回归、支持向量机等模型;所述提取所述车辆标识状态中的实时状态数据可以通过实时流处理框架实现获得,如:Apache Kafka、Apache Flink等。
本发明通过识别所述实时状态数据中的车辆驶向参数,可以提前发现潜在的危险驾驶行为,例如逆向行驶、违规转弯等,从而及时采取安全预警措施,减少事故风险。
其中,所述车辆驶向参数可以包括车辆当前行驶的方向、车辆转向信号以及车辆的轨迹变化等信息,可选地,所述识别所述实时状态数据中的车辆驶向参数可以通过目标检测和跟踪算法来实时监测车辆的位置和运动,并判断车辆的行驶方向。
本发明基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,可以提高出入口管理的自动化和效率,增加安全性,同时实现更精确的计费和统计分析。
其中,所述地磁感应区域是指用于触发道闸开启或关闭操作的特定区域。
作为本发明的一个实施例,所述基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,包括:对所述车辆驶向参数进行数据过滤,得到驶向过滤参数;对所述驶向过滤参数进行区域校正,得到区域校正参数;基于所述区域校正参数,确定所述出入口道闸对应的地磁感应区域。
其中,所述驶向过滤参数是指经过数据过滤得到的符合要求的驶向参数;所述区域校正参数是指基于驶向过滤参数进行校正得到的参数。
进一步地,所述对所述车辆驶向参数进行数据过滤可以通过滤波算法实现获得,如:均值滤波、中值滤波等算法;所述对所述驶向过滤参数进行区域校正可以通过几何校正模型实现获得;所述确定所述出入口道闸对应的地磁感应区域可以通过机器学习分类模型实现获得。
在本发明中当所述待出入车辆驶出所述地磁感应区域,关闭所述出入口道闸,不仅提高了安全性和管理效率,还减少了人为操作的错误风险,为车辆通行提供了更加便捷、快速的体验,同时优化了交通流量控制,确保只有经过验证的车辆才能进入或离开该区域,有效提高停车场道闸的通过效率。
本发明通过获取停车场口的待出入车辆,不仅有助于提高停车场的管理效率和安全性,同时也为数据分析和自动化控制提供了基础,促进了停车场管理水平的提升,本发明通过对所述外廓高维参数进行特征降维,得到降维特征点,可以帮助过滤掉噪声和冗余特征,保留最重要的特征,提高后续的数据质量处理效果,本发明基于所述验证信息,查询所述待出入车辆对应的进出入权限,可以有效管理停车场的车辆流量,避免出现拥堵或混乱的情况,优化停车场的运行效率,本发明基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,可以合理分配通行资源,减少车辆等待时间,提高道闸口的通行效率,本发明基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,能够保障路口安全、优化流量管理、提高停车场的运行效率,并为后续道闸决策提供数据支持。因此,本发明提出的基于停车场道闸的智能遥控方法及***,能够提高停车场道闸的智能控制效率。
如图2所示,是本发明一实施例提供的基于停车场道闸的智能遥控***的功能模块图。
本发明所述基于停车场道闸的智能遥控***200可以安装于电子设备中。根据实现的功能,所述基于停车场道闸的智能遥控***200可以包括高维映射模块201、参数验证模块202、实时调控模块203、安全值计算模块204以及地磁感应模块205。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述高维映射模块201,用于获取停车场口的待出入车辆,对所述待出入车辆进行智能图像识别,得到车辆智能图像,对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,利用预设的中央服务器对所述外廓智能信息进行高维映射,得到外廓高维参数;
所述参数验证模块202,用于对所述外廓高维参数进行特征降维,得到降维特征点,基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,将牌照特征参数与预设的停车场数据库进行参数验证,得到验证数据;
所述实时调控模块203,用于基于所述验证信息,查询所述待出入车辆对应的进出入权限,并根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,基于所述启闸优先级,对所述出入口道闸进行实时调控,得到实时调控指令;
所述安全值计算模块204,用于基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值;
所述地磁感应模块205,用于基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,识别所述实时状态数据中的车辆驶向参数,基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,当所述待出入车辆驶出所述地磁感应区域,关闭所述出入口道闸。
详细地,本发明实施例中所述基于停车场道闸的智能遥控***200中所述的各模块在使用时采用与附图中所述的基于停车场道闸的智能遥控方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图3所示,是本发明实现基于停车场道闸的智能遥控方法的电子设备的结构示意图。
所述电子设备可以包括处理器30、存储器31、通信总线32以及通信接口33,还可以包括存储在所述存储器31中并可在所述处理器30上运行的计算机程序,如基于人工智能的工程***程序。
其中,所述处理器30在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器30是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块(例如执行基于人工智能的工程***程序等),以及调用存储在所述存储器31内的数据,以执行电子设备的各种功能和处理数据。
所述存储器31至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器31在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器31在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器31不仅可以用于存储安装于电子设备的应用软件及各类数据,例如数据库配置化连接程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线32可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器31以及至少一个处理器30等之间的连接通信。
所述通信接口33用于上述电子设备3与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,所述用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器30逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利发明范围上并不受此结构的限制。
所述电子设备中的所述存储器31存储的数据库配置化连接程序是多个计算机程序的组合,在所述处理器30中运行时,可以实现:
获取停车场口的待出入车辆,对所述待出入车辆进行智能图像识别,得到车辆智能图像,对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,利用预设的中央服务器对所述外廓智能信息进行高维映射,得到外廓高维参数;
对所述外廓高维参数进行特征降维,得到降维特征点,基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,将牌照特征参数与预设的停车场数据库进行参数验证,得到验证数据;
基于所述验证信息,查询所述待出入车辆对应的进出入权限,并根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,基于所述启闸优先级,对所述出入口道闸进行实时调控,得到实时调控指令;
基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值;
基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,识别所述实时状态数据中的车辆驶向参数,基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,当所述待出入车辆驶出所述地磁感应区域,关闭所述出入口道闸。
具体地,所述处理器30对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个非易失性计算机可读取存储介质中。所述存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取停车场口的待出入车辆,对所述待出入车辆进行智能图像识别,得到车辆智能图像,对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,利用预设的中央服务器对所述外廓智能信息进行高维映射,得到外廓高维参数;
对所述外廓高维参数进行特征降维,得到降维特征点,基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,将牌照特征参数与预设的停车场数据库进行参数验证,得到验证数据;
基于所述验证信息,查询所述待出入车辆对应的进出入权限,并根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,基于所述启闸优先级,对所述出入口道闸进行实时调控,得到实时调控指令;
基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值;
基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,识别所述实时状态数据中的车辆驶向参数,基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,当所述待出入车辆驶出所述地磁感应区域,关闭所述出入口道闸。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
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。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.基于停车场道闸的智能遥控方法,其特征在于,所述方法包括:
获取停车场口的待出入车辆,对所述待出入车辆进行智能图像识别,得到车辆智能图像,对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,利用预设的中央服务器对所述外廓智能信息进行高维映射,得到外廓高维参数;
对所述外廓高维参数进行特征降维,得到降维特征点,基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,将牌照特征参数与预设的停车场数据库进行参数验证,得到验证数据;
基于所述验证信息,查询所述待出入车辆对应的进出入权限,并根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,基于所述启闸优先级,对所述出入口道闸进行实时调控,得到实时调控指令;
基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值;
基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,识别所述实时状态数据中的车辆驶向参数,基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,当所述待出入车辆驶出所述地磁感应区域,关闭所述出入口道闸。
2.如权利要求1所述的基于停车场道闸的智能遥控方法,其特征在于,所述对所述待出入车辆进行智能图像识别,得到车辆智能图像,包括:
利用预设的监控设备采集所述待出入车辆的车体图像,并将所述车体图像划分为主体图像和从属图像;
分别识别所述主体图像和所述从属图像对应的主像素点位和从像素点位;
基于所述主像素点位和所述从像素点位,分别分析所述主体图像和所述从属图像对应的主图像语义信息和从图像语义信息;
根据所述主图像语义信息和从图像语义信息,分别提取所述主体图像和所述从属图像对应的主特征信息和从特征信息;
将所述主体图像、所述从属图像、所述主特征信息以及所述从特征信息进行组合,得到所述车辆智能图像。
3.如权利要求1所述的基于停车场道闸的智能遥控方法,其特征在于,所述对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,包括:
识别所述车辆智能图像对应的边缘像素,映射所述边缘像素对应的像素长度;
基于所述像素长度,对所述车辆智能图像进行外廓角点检测,得到外廓角点数据;
基于所述外廓角点数据,对所述车辆智能图像进行区域智能填充,得到外廓智能信息。
4.如权利要求1所述的基于停车场道闸的智能遥控方法,其特征在于,所述基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,包括:
分割所述降维特征点对应的特征字符;
对所述特征字符进行文本提取,得到字符文本信息;
识别所述字符文本信息中的牌照描述子;
基于所述牌照描述子,提取所述待出入车辆对应的牌照特征参数。
5.如权利要求1所述的基于停车场道闸的智能遥控方法,其特征在于,所述基于所述验证信息,查询所述待出入车辆对应的进出入权限,包括:
对所述验证信息进行数据解析,得到解析数据;
基于所述解析数据,查询预设的停车场管理数据库中的车联信息,识别所述车联信息的权限状态;
将所述权限状态更新至所述待出入车辆对应的权限日志;
基于所述权限日志,确定所述待出入车辆对应的进出入权限。
6.如权利要求1所述的基于停车场道闸的智能遥控方法,其特征在于,所述根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,包括:
基于所述进出入权限,建立所述待出入车辆对应的权限等级体系;
基于所述权限等级体系,规划所述预设的出入口道闸对应的道闸设置;
基于所述道闸设置,配置所述预设的出入口道闸对应的门禁***;
基于所述门禁***,确定预设的出入口道闸对应的启闸优先级。
7.如权利要求1所述的基于停车场道闸的智能遥控方法,其特征在于,所述根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,包括:
利用下述公式计算所述待出入车辆对应的平均过闸时间:
;
其中,AT表示所述待出入车辆对应的平均过闸时间,表示所述待出入车辆的数量索引,表示所述待出入车辆的总数量,/>表示第/>辆车通过道口所需的时间,/>表示第/>辆车的出入状态参数,/>表示状态参数/>对应的状态函数。
8.如权利要求1所述的基于停车场道闸的智能遥控方法,其特征在于,所述基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值,包括:
利用下述公式计算所述待进入车辆对应的速度安全值:
;
其中,表示所述待进入车辆对应的速度安全值,j表示所述待出入车辆的车辆索引,表示第j辆车通过道口所需的时间,AT表示所述待出入车辆对应的平均过闸时间,/>表示第j辆车的驾驶员技术评分,表示驾驶员的技术水平,/>表示第j辆车的载客量指标,/>表示第j辆车的车况指数。
9.如权利要求1所述的基于停车场道闸的智能遥控方法,其特征在于,所述基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,包括:
将所述速度安全值作为所述待出入车辆对应的速度标准;
基于所述速度标准,对所述待出入车辆进行速度实时检测,得到车辆实时速度;
对所述车辆实时速度进行状态标识,得到车辆标识状态;
提取所述车辆标识状态中的实时状态数据。
10.基于停车场道闸的智能遥控***,其特征在于,用于执行如权利要求1-9中任意一项所述的基于停车场道闸的智能遥控方法,所述***包括:
高维映射模块,用于获取停车场口的待出入车辆,对所述待出入车辆进行智能图像识别,得到车辆智能图像,对所述车辆智能图像进行外廓智能检测,得到所述待出入车辆对应的外廓智能信息,利用预设的中央服务器对所述外廓智能信息进行高维映射,得到外廓高维参数;
参数验证模块,用于对所述外廓高维参数进行特征降维,得到降维特征点,基于所述降维特征点,提取所述待出入车辆对应的牌照特征参数,将牌照特征参数与预设的停车场数据库进行参数验证,得到验证数据;
实时调控模块,用于基于所述验证信息,查询所述待出入车辆对应的进出入权限,并根据所述进出入权限,确定预设的出入口道闸对应的启闸优先级,基于所述启闸优先级,对所述出入口道闸进行实时调控,得到实时调控指令;
安全值计算模块,用于基于所述实时调控指令,监测所述待出入车辆的出入状态,并根据所述出入状态,计算所述待出入车辆对应的平均过闸时间,基于所述平均过闸时间,计算所述待进入车辆对应的速度安全值;
地磁感应模块,用于基于所述速度安全值,对所述待出入车辆进行状态实时监控,得到实时状态数据,识别所述实时状态数据中的车辆驶向参数,基于所述车辆驶向参数,确定所述出入口道闸对应的地磁感应区域,当所述待出入车辆驶出所述地磁感应区域,关闭所述出入口道闸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410444178.9A CN118053230A (zh) | 2024-04-15 | 2024-04-15 | 基于停车场道闸的智能遥控方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410444178.9A CN118053230A (zh) | 2024-04-15 | 2024-04-15 | 基于停车场道闸的智能遥控方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118053230A true CN118053230A (zh) | 2024-05-17 |
Family
ID=91052212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410444178.9A Pending CN118053230A (zh) | 2024-04-15 | 2024-04-15 | 基于停车场道闸的智能遥控方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118053230A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934396A (zh) * | 2017-03-09 | 2017-07-07 | 深圳市捷顺科技实业股份有限公司 | 一种车牌检索方法及*** |
CN108921962A (zh) * | 2018-08-01 | 2018-11-30 | 星络科技有限公司 | 停车场出入场管理方法和停车场管理服务器 |
CN109754117A (zh) * | 2018-12-22 | 2019-05-14 | 青岛华通石川岛停车装备有限责任公司 | 一种立体停车场车辆优先级管理控制方法 |
CN111223330A (zh) * | 2020-01-16 | 2020-06-02 | 浙江科技学院 | 基于无线传感网络与云平台的停车场智能监控方法与*** |
CN113920748A (zh) * | 2021-09-29 | 2022-01-11 | 深圳市捷顺科技实业股份有限公司 | 一种单控制机停车场出入控制方法及相关装置 |
CN116052457A (zh) * | 2022-01-14 | 2023-05-02 | 深圳市智宇实业发展有限公司 | 具有缓冲车道的车辆动态出场引导方法 |
CN117576946A (zh) * | 2024-01-16 | 2024-02-20 | 福建龙投信息技术有限公司 | 一种智慧停车的***方法及*** |
CN117831177A (zh) * | 2023-12-18 | 2024-04-05 | 广东安快智能科技有限公司 | 一种停车场多牌照道闸控制方法、装置、设备及存储介质 |
-
2024
- 2024-04-15 CN CN202410444178.9A patent/CN118053230A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934396A (zh) * | 2017-03-09 | 2017-07-07 | 深圳市捷顺科技实业股份有限公司 | 一种车牌检索方法及*** |
CN108921962A (zh) * | 2018-08-01 | 2018-11-30 | 星络科技有限公司 | 停车场出入场管理方法和停车场管理服务器 |
CN109754117A (zh) * | 2018-12-22 | 2019-05-14 | 青岛华通石川岛停车装备有限责任公司 | 一种立体停车场车辆优先级管理控制方法 |
CN111223330A (zh) * | 2020-01-16 | 2020-06-02 | 浙江科技学院 | 基于无线传感网络与云平台的停车场智能监控方法与*** |
CN113920748A (zh) * | 2021-09-29 | 2022-01-11 | 深圳市捷顺科技实业股份有限公司 | 一种单控制机停车场出入控制方法及相关装置 |
CN116052457A (zh) * | 2022-01-14 | 2023-05-02 | 深圳市智宇实业发展有限公司 | 具有缓冲车道的车辆动态出场引导方法 |
CN117831177A (zh) * | 2023-12-18 | 2024-04-05 | 广东安快智能科技有限公司 | 一种停车场多牌照道闸控制方法、装置、设备及存储介质 |
CN117576946A (zh) * | 2024-01-16 | 2024-02-20 | 福建龙投信息技术有限公司 | 一种智慧停车的***方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110893860B (zh) | 一种智能驾驶方法及智能驾驶*** | |
Zuraimi et al. | Vehicle detection and tracking using YOLO and DeepSORT | |
Peng et al. | Uncertainty evaluation of object detection algorithms for autonomous vehicles | |
CN102385705B (zh) | 利用多特征自动集群法的异常行为侦测***与方法 | |
CN108335489A (zh) | 高速公路车辆行为语义分析及异常行为监控***及方法 | |
CN111507989A (zh) | 语义分割模型的训练生成方法、车辆外观检测方法、装置 | |
CN109615864A (zh) | 基于视频结构化的车辆拥堵分析方法、***、终端及存储介质 | |
CN111524350B (zh) | 车路协同异常行驶状况检测方法、***、终端设备及介质 | |
CN112818792A (zh) | 车道线检测方法、装置、电子设备及计算机存储介质 | |
Zhao et al. | Detection of passenger flow on and off buses based on video images and YOLO algorithm | |
CN112381014A (zh) | 一种基于城市道路的违停车辆检测及管理方法及*** | |
CN109584579A (zh) | 基于人脸识别的交通信号灯控制方法及计算机设备 | |
KR102494953B1 (ko) | 딥러닝 기반 온-디바이스 실시간 교통제어 시스템 | |
CN113297939A (zh) | 障碍物检测方法、***、终端设备及存储介质 | |
CN118053230A (zh) | 基于停车场道闸的智能遥控方法及*** | |
KR20050087676A (ko) | 무인주차장 관리 시스템 및 방법 | |
CN114999166B (zh) | 车辆识别方法、装置、电子设备及计算机可读存储介质 | |
CN114677662A (zh) | 一种车辆前方障碍状态预测方法、装置、设备及存储介质 | |
Venkatesh et al. | An intelligent traffic management system based on the Internet of Things for detecting rule violations | |
Dawam et al. | Smart city lane detection for autonomous vehicle | |
CN112686136A (zh) | 一种对象检测方法、装置及*** | |
CN112180913A (zh) | 特种车辆识别方法 | |
CN117935388B (zh) | 一种基于联网的高速公路计费监控***和方法 | |
Yee et al. | A cloud-based automated parking system for smart campus | |
CN112784789B (zh) | 识别道路的交通流量的方法、装置、电子设备和介质 |
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 |