基于多源时空数据融合的异常轨迹识别与逃费稽核

随着路网规模的扩大,收费里程的激增,衍生出一系列新型逃费漏费行为,对联网收费稽核提出了更高的要求。本文从深入挖掘ETC门架设备获取的信息出发,基于ETC交易流水数据、ETC门架牌识数据、车辆特征数据,开展了多源时空数据融合的研究。利用高速公路的门架拓扑关系构建基于ETC门架的高速公路路网模型;使用Dijkstra算法实现车辆通行路径还原拟合;融合多源数据通过多源数据的轨迹信息对比进行偷逃费车辆识别,证据链生成;最终实现异常车辆的定位和逃费稽核。

ETC门架交易系统的异常交易数据修复方法

随着取消省界收费站后联网收费里程激增,ETC门架交易系统采集并记录了高速公路所有车辆的交易信息,但在数据采集、传输、处理过程中因人为失误或设备故障问题出现交易特情,严重影响了高速公路的精准计费。因此,在海量的交易轨迹中异常交易的识别和修复成为高速公路ETC收费系统亟待解决的问题。针对漏交易、误交易、重复交易3种交易特情所产生的异常交易轨迹进行分析,提取出了6种典型的异常交易轨迹,并根据高速公路门架拓扑设计异常轨迹修复算法,实现了ETC交易流水数据的异常识别和修复;进一步通过实例分析验证,确定了该方法的有效性,提高了收费拟合的准确性。

基于M/G/1模型的收费站碳排放测算模型与实例

我国交通运输行业产生的碳排放仅次于能源行业,是实现“双碳”目标的重要领域。为有效量化车辆出收费站过程的碳排放,推动高速公路的节能减排,本文分析收费站车辆驾驶行为,基于收费数据、排队论、油耗计算方法,建立了不同收费模式下的碳排放测算模型,并对翔安、祥谦两个收费站一年的碳排放情况进行了测算。结果表明,收费模式对排放量的影响最为显著,混合车道的平均碳排放量是ETC车道的6倍;混合车道车辆在排队等候阶段的油耗量最大,碳排放量最大;混合车道中货车的平均碳排放量是客车的2倍。

高速公路联网收费智能化运维系统的设计与应用

针对高速公路收费系统机电设备分散、收费架构复杂、运维难度大等问题,设计了高速公路联网收费智能化运维系统。通过分析省、市、路段级别的监测需求,设计云边协同的数据采集及传输方案;根据设备故障检测的实时性需求,设计基于自适应Period框架的异常检测算法,实现设备异常的在线监测;同时,集成GIS服务建设运行监测平台实现收费设备的智能感知和监测预警。

高速公路重点地区车辆预警系统设计与实现

针对高速公路疫情防控智能化水平弱、人工查验效率低、信息化水平差等问题,综合利用了大数据、人工智能、物联网及边缘计算等技术,设计了高速公路重点地区车辆预警系统。通过对高速公路感知设备的信息挖掘整合实现了车辆轨迹追踪、行程预测、涉疫车辆信息预警及各防疫主体的预警信息同步,在高速公路疫情防控工作中承担了重要角色。

多源数据融合的高速公路区间无感测速方法

为提高高速公路服务区区间测速的准确性,本文提出一种多源数据融合的高速公路区间测速算法。首先,基于ETC大数据建立高速公路区间测速模型;为解决由车辆进入服务区引起的行车速度估计不准确,引入服务区出入口抓拍数据,并针对多源数据时间不同步问题,提出了一种基于0.618法的时间配准寻优算法。最后,以福建省高速公路洋里服务区和青云山服务区区段进行实地验证。结果表明,经过时间配准优化算法实现车辆进入服务区匹配率高达99.8%,整个寻优效率比传统遍历法提升了10倍以上。可见,本文的方法实现了高速公路区段的有效精准无感测速。

基于深度学习的高速公路交通速度预测模型研究

准确地预测高速公路交通速度,能够为高速公路的应急管理和拥堵疏导提供重要的数据基础,对高速公路的控制和诱导具有重要意义。本文利用深度学习框架构建了BiLSTM预测模型,首先,对ETC系统交易数据进行数据预处理和特征构建,得到交通速度特征矩阵;然后,利用Bi-LSTM来捕捉高速公路交通流的时间特征,将交通速度特征矩阵输入至BiLSTM预测模型中进行训练与学习;最后,通过使用福建省福厦高速公路ETC门架系统数据进行验证。结果表明,相较于HA、ARIMA和LSTM等模型,该模型拥有更好地预测精度,可为智能高速公路管理系统提供决策、分析与调度提供参考依据。