[发明专利]一种基于ETC龙门架的高速公路拥堵预测方法及系统

权利要求书

1.一种基于ETC龙门架的高速公路拥堵预测方法，其特征在于，该方法具体包括下述步骤：

步骤一：在高速公路的入口、出口和中途设定摄像头，通过摄像头实时采集车辆的相关信息，并自动获取影像信息，将影像信息传输至识别单元；

步骤二：数据库内存储有车牌数据、车主信息和违章信息，所述违章信息与车主信息相对应，所述车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，得到违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并将其传输至分析单元；

步骤三：分析单元接收违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并对其进行分析操作，得到偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并将其一同传输至判定单元；

步骤四：监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元，其中，最近时间点指代在监测单元监测车辆行驶的数据中，需要提取的时间段内，该车辆所处的路段数据的前面两个路段的行驶速度的时间点；

步骤五：判定单元接收实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并对其进行判定操作，得到拥堵信号、缓行信号、隐患信号和可行信号，并将其传输至显示屏；

步骤六：通过显示屏显示拥堵信号、缓行信号、隐患信号和可行信号；

识别操作的具体操作过程为：

K1：获取影像信息，将其内车辆的牌照影像图片，并自动识别车牌照数据，将其标定为车牌照数据，并将车牌照数据标记为PZi，i＝1,2,3......n1，将其内驾驶员面部影像标定为驾驶员面部数据，并将驾驶员面部数据标记为JMi，i＝1,2,3......n1，将其内车辆进入高速后在每个摄像头拍摄下的时间点标定为行驶时间数据，并将行驶时间数据标定为XSi，i＝1,2,3......n1，将其内车辆进入高速后，在每个摄像头拍摄下的速度数据标定为行驶速度数据，并将行驶速度数据标定为SDi，i＝1,2,3......n1，将其内高速上的每辆车标定为车辆数据，并将车辆数据标记为CLi，i＝1,2,3......n1，将其内高速道路的长度标定为道路数据，并将道路数据标记为DLi，i＝1,2,3......n1；

K2：将车牌数据标记为CPi，i＝1,2,3......n1，将车主面部数据标记为CMI,i＝1,2,3......n1，将车主面部数据对应的车主手机号码数据标记为SHi，i＝1,2,3......n1；

K3：提取车牌数据，并将其与车牌照数据进行匹配，当匹配结果不一致时，则判定该车牌尚未存储，不进行K4中的操作，当匹配结果一致时，则判定该车牌号码存在，并自动提取车牌数据对应的车主信息；

K4：提取驾驶员面部数据，并将其与车主信息内的车主面部数据进行匹配，当匹配结果一致时，则判定该车辆的驾驶员是车主，当匹配结果不一致时，则判定该车辆的驾驶员不是车主，并自动提取车主信息内的车主手机号码数据，并向该手机号码发送验证信息，依据验证信息的结果判定该车辆的驾驶员是否安全；

K5：提取上述K4中识别到的驾驶员面部数据，将其与违章信息进行匹配，匹配的过程为：通过驾驶员的面部数据识别出驾驶员的身份信息，违章信息内存储有违章内容和违章人的身份数据，将驾驶员的身份信息与违章人的身份数据进行匹配，再提取对应的违章内容，即提取对应的违章数据；

分析操作的具体操作过程为：

H1：获取违章数据，将其内违章的次数标定为违章次数数据，并将违章次数数据标记为WCi，i＝1,2,3......n1，将其内驾驶员的驾驶年龄标定为驾龄数据，并将驾龄数据标记为JLi，i＝1,2,3......n1，将其内违章造成影响的轻重标定为违章程度数据，并将违章程度数据标定为WZi，i＝1,2,3......n1；

H2：将违章次数数据和驾龄数据一同带入到计算式：Vi＝WCi/JLi，从而得到违章频率Vi，将违章频率带入到计算式：其中，P_Vi表示为违章频率的平均值，即频率均值，将违章频率与频率均值一同带入到差值计算式中，从而计算出频率差值，并对频率差值进行判定，具体为：当频率差值大于零时，则判定该驾驶人员的违章次数多，将其标定为危险驾驶员，当频率差值小于等于零时，则判定该驾驶人员的违章次数少，将其标定为安全驾驶员；

H3：获取每辆车的道路数据，并将道路数据依据设定的长度预设阈值划分为若干个道路路段，并将其标定为路段数据，且提取每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据；

H4：提取上述H3中的每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据，将两个相邻的路段数据中车辆的行驶时间数据、路段距离数据和行驶速度数据一同进行数据分析，具体为：依据车辆数据，将车辆数据在道路上对应的两个行驶时间数据分别标定为XS1和XS2，将其一同带入到计算式Ti_差＝XS2-XS1，其中，Ti_差表示为时间差值，即车辆总共行驶的时间长短，将两个相邻的路段标定为LD1和LD2，并将其带入到差值计算式中，从而计算出两个相邻路段的总长度数据，即距离数据，将距离数据和时间差值一同带入到计算式：其中，Si_速表示为速度计算值，将行驶速度数据带入到计算式：其中，P_SDi表示为行驶速度的平均值，即速度均值，将其与速度计算值一同带入到计算式：Si_速＝P_SDi*u1，其中，u1表示为速度均值与速度计算值之间的偏差影响预设因子；

判定操作的具体操作过程为：

G1：提取车辆数据，并对车辆数据进行标定，从而统计出车辆的数量，将其标定为车辆数；

G2：提取安全驾驶员和危险驾驶员，并对其进行识别，识别获取到安全驾驶员和危险驾驶员的数量，并将其标定为安全数量和危险数量；

G3：将安全数量和危险数量分别与车辆数带入到占比计算式：安全占比值＝安全数量/车辆数据，危险占比值＝危险数量/车辆数据，并将其分别标定为安全占比值和危险占比值；

G4：将实时速度数据与偏差影响预设因子一同带入到计算式：VCi＝u1*SSi，其中，VCi表示为实际速度均值，SSi表示为实时速度数据，将实时速度数据与实际速度均值一同进行差值计算，从而计算出判定差值，并将判定差值标记为PCi；

G5：设定一个判定差值的预设阈值M1和一个危险占比预设阈值M2，并将其与判定差值和危险占比值PE一同进行比对判定，具体为：

E1：当出现PCi＞M1，且PE＞M2时，则判定高速拥堵，生成拥堵信号；

E2：当出现PCi＞M1，且PE≤M2时，则判定车辆行驶速度小，生成缓行信号；

E3：当出现PCi≤M1，且PE＞M2时，则判定高速通畅但存在危险因素，生成隐患信号；

E4：当出现PCi≤M1，且PE≤M2时，则判定道路通畅且安全，生成可行信号。

2.一种基于ETC龙门架的高速公路拥堵预测系统，其特征在于，包括摄像头、识别单元、数据库、分析单元、监测单元、判定单元和显示屏；

所述摄像头用于实时采集车辆的相关信息，并自动获取影像信息，摄像头安装在高速公路的入口、出口和中途，将影像信息传输至识别单元；

所述数据库内存储有车牌数据、车主信息和违章信息，所述违章信息与车主信息相对应，所述车主信息包括车主面部数据和车主手机号码数据，比对单元从数据库内获取车牌数据和车主信息，并将其与影像信息进行识别操作，得到违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据，并将其传输至分析单元；

所述分析单元用于对违章数据、道路数据、行驶时间数据、行驶速度数据和车辆数据进行分析操作，得到偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据，并将其一同传输至判定单元；

所述监测单元监测车辆的运动状态，并提取最近时间点内车辆经过两个相邻路段时的平均速度，将其标定为实时速度数据，并将其传输至判定单元；

所述判定单元用于对实时速度数据、偏差影响预设因子、危险驾驶员、安全驾驶员和车辆数据进行判定操作，得到拥堵信号、缓行信号、隐患信号和可行信号，并将其传输至显示屏；

所述显示屏用于显示拥堵信号、缓行信号、隐患信号和可行信号；

识别操作的具体操作过程为：

K1：获取影像信息，将其内车辆的牌照影像图片，并自动识别车牌照数据，将其标定为车牌照数据，并将车牌照数据标记为PZi，i＝1,2,3......n1，将其内驾驶员面部影像标定为驾驶员面部数据，并将驾驶员面部数据标记为JMi，i＝1,2,3......n1，将其内车辆进入高速后在每个摄像头拍摄下的时间点标定为行驶时间数据，并将行驶时间数据标定为XSi，i＝1,2,3......n1，将其内车辆进入高速后，在每个摄像头拍摄下的速度数据标定为行驶速度数据，并将行驶速度数据标定为SDi，i＝1,2,3......n1，将其内高速上的每辆车标定为车辆数据，并将车辆数据标记为CLi，i＝1,2,3......n1，将其内高速道路的长度标定为道路数据，并将道路数据标记为DLi，i＝1,2,3......n1；

K2：将车牌数据标记为CPi，i＝1,2,3......n1，将车主面部数据标记为CMI,i＝1,2,3......n1，将车主面部数据对应的车主手机号码数据标记为SHi，i＝1,2,3......n1；

K3：提取车牌数据，并将其与车牌照数据进行匹配，当匹配结果不一致时，则判定该车牌尚未存储，不进行K4中的操作，当匹配结果一致时，则判定该车牌号码存在，并自动提取车牌数据对应的车主信息；

K4：提取驾驶员面部数据，并将其与车主信息内的车主面部数据进行匹配，当匹配结果一致时，则判定该车辆的驾驶员是车主，当匹配结果不一致时，则判定该车辆的驾驶员不是车主，并自动提取车主信息内的车主手机号码数据，并向该手机号码发送验证信息，依据验证信息的结果判定该车辆的驾驶员是否安全；

K5：提取上述K4中识别到的驾驶员面部数据，将其与违章信息进行匹配，匹配的过程为：通过驾驶员的面部数据识别出驾驶员的身份信息，违章信息内存储有违章内容和违章人的身份数据，将驾驶员的身份信息与违章人的身份数据进行匹配，再提取对应的违章内容，即提取对应的违章数据；

分析操作的具体操作过程为：

H1：获取违章数据，将其内违章的次数标定为违章次数数据，并将违章次数数据标记为WCi，i＝1,2,3......n1，将其内驾驶员的驾驶年龄标定为驾龄数据，并将驾龄数据标记为JLi，i＝1,2,3......n1，将其内违章造成影响的轻重标定为违章程度数据，并将违章程度数据标定为WZi，i＝1,2,3......n1；

H2：将违章次数数据和驾龄数据一同带入到计算式：Vi＝WCi/JLi，从而得到违章频率Vi，将违章频率带入到计算式：其中，P_Vi表示为违章频率的平均值，即频率均值，将违章频率与频率均值一同带入到差值计算式中，从而计算出频率差值，并对频率差值进行判定，具体为：当频率差值大于零时，则判定该驾驶人员的违章次数多，将其标定为危险驾驶员，当频率差值小于等于零时，则判定该驾驶人员的违章次数少，将其标定为安全驾驶员；

H3：获取每辆车的道路数据，并将道路数据依据设定的长度预设阈值划分为若干个道路路段，并将其标定为路段数据，且提取每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据；

H4：提取上述H3中的每个路段中的车辆行驶时间数据、行驶速度数据和车辆数量数据，将两个相邻的路段数据中车辆的行驶时间数据、路段距离数据和行驶速度数据一同进行数据分析，具体为：依据车辆数据，将车辆数据在道路上对应的两个行驶时间数据分别标定为XS1和XS2，将其一同带入到计算式Ti_差＝XS2-XS1，其中，Ti_差表示为时间差值，即车辆总共行驶的时间长短，将两个相邻的路段标定为LD1和LD2，并将其带入到差值计算式中，从而计算出两个相邻路段的总长度数据，即距离数据，将距离数据和时间差值一同带入到计算式：其中，Si_速表示为速度计算值，将行驶速度数据带入到计算式：其中，P_SDi表示为行驶速度的平均值，即速度均值，将其与速度计算值一同带入到计算式：Si_速＝P_SDi*u1，其中，u1表示为速度均值与速度计算值之间的偏差影响预设因子；

判定操作的具体操作过程为：

G1：提取车辆数据，并对车辆数据进行标定，从而统计出车辆的数量，将其标定为车辆数；

G2：提取安全驾驶员和危险驾驶员，并对其进行识别，识别获取到安全驾驶员和危险驾驶员的数量，并将其标定为安全数量和危险数量；

G3：将安全数量和危险数量分别与车辆数带入到占比计算式：安全占比值＝安全数量/车辆数据，危险占比值＝危险数量/车辆数据，并将其分别标定为安全占比值和危险占比值；

G4：将实时速度数据与偏差影响预设因子一同带入到计算式：VCi＝u1*SSi，其中，VCi表示为实际速度均值，SSi表示为实时速度数据，将实时速度数据与实际速度均值一同进行差值计算，从而计算出判定差值，并将判定差值标记为PCi；

G5：设定一个判定差值的预设阈值M1和一个危险占比预设阈值M2，并将其与判定差值和危险占比值PE一同进行比对判定，具体为：

E1：当出现PCi＞M1，且PE＞M2时，则判定高速拥堵，生成拥堵信号；

E2：当出现PCi＞M1，且PE≤M2时，则判定车辆行驶速度小，生成缓行信号；

E3：当出现PCi≤M1，且PE＞M2时，则判定高速通畅但存在危险因素，生成隐患信号；

E4：当出现PCi≤M1，且PE≤M2时，则判定道路通畅且安全，生成可行信号。