基于交通大数据的车辆画像技术应用研究

依托大数据平台搭建方案,以车辆号牌为主标签,整合车辆的登记信息、使用信息、车主信息、驾驶员信息以及事故、违法信息等,对车辆的静态属性与动态行为特征进行分析建模。通过对车辆属性分类并利用一定的技术方法抽取得到车辆特征,提炼成车辆标签,最终得到车辆画像,勾勒出车辆的整体特征与轮廓。在大数据环境下,车辆画像技术支撑对车辆的全面信息搜索和各类研判应用,满足各管理单位个性化需求,成为车辆主动管理、精细化管理的重要助力。

基于用户画像及多车协同的环岛车辆换道策略

基于智能网联汽车车-路-环境的协同策略已成为一种解决智能交通领域问题的有效方案。因此通过结合交通环岛的行车特点,提出了一种基于车辆用户画像的交通环岛换道策略。首先为了解决交通环岛中智能网联汽车多源异构数据的混杂问题,定义了车辆用户画像,对智能网联汽车多维数据进行表征。其次,基于随机森林算法对车辆用户画像中标签的权重进行实时更新。再次,根据车辆用户画像及动态权重设计收益函数针对环岛出口位置的内道车辆进行换道决策,实现了决策的场景自适应。最后,利用SUMO对本算法在交通拥堵、正常、稀疏等三种场景中进行仿真测试。实验结果表明本算法使得车辆在交通环岛的通行效率和舒适度均得到有效提升,以此验证了车辆用户画像对于优化决策的场景自适应效果的作用。

基于行驶特征画像的高速公路车辆逃费风险神经网络预测模型

为维护高速公路运营秩序,对逃费车辆进行精准稽查,提出一种基于车辆单次行驶特征画像的高速公路车辆逃费风险预测模型。先通过设计稽查判断特征集和稽查结果特征集来刻画车辆单次行驶特征画像,从车辆行驶路径、时间、费用等方面建立车辆行驶异常的约束条件,再建立BP神经网络算法进行训练。在利用神经网络建立高速公路车辆逃费风险预测模型时,对某交控集团稽查系统提供的16 718条稽查数据进行分析,该数据由车辆收费数据、单次行驶特征画像数据、稽查结果三部分组成,最终得到精确率为90.784%的模型。与传统算法相比,该方法拥有较高的准确率。文中还进行了车辆单次行驶特征画像的研究,能在识别和预测逃费行为的同时,清晰了解车辆异常行驶特征,体现其逃费方式,为稽查系统提供有力证据。

基于用户画像与Stackelberg博弈的交通环岛通行策略

现有的交通环岛通行优化研究多以无损通信为背景,结合车辆速度等基础数据设计协同策略,忽略了影响交通策略的外界环境等数据,无法满足实际应用的需要。为解决实际通信受限问题,根据智能网联汽车的车-路-环境协同特点,提出一种结合用户画像,基于车辆状态预测的环岛车辆协同换道策略。设计基于时空特征的车辆预测方法AP-LSTM,捕捉车辆关键时空特征以实现小样本轨迹预测,有效提高小样本车辆轨迹预测的准确性和实时性。同时,设计基于预测机制的车辆协同算法PMC,弥补车辆协同决策在实时通信受限的条件下所缺失的车辆状态信息,通过历史数据对车辆未来状态进行预测,在此基础上,结合Stackelberg博弈对交通环岛路口处的车辆进行协同控制。在SUMO平台上的实验结果表明,相比长短时记忆算法,所提AP-LSTM预测方法的均方根误差较低,相比SUMO算法,所提PMC协同算法的加速度标准差降低51.7%,且平均速度提高3.0%,有效提高交通环岛的通行效率和驾驶平稳性。

基于多数据源融合的高速公路收费车型识别解决方案

本文分析了高速公路取消省界收费站新模式下非ETC车辆及ETC货车的车型判别需要人工介入的问题,阐述了目前收费车型识别相关方面研究的进展及存在的问题,提出了基于多数据源融合的车型识别解决方案,通过结合车道硬件、机器视觉、大数据车辆画像及远程人工辅助四方面数据源,形成一套综合的车型判断解决方案,并介绍了本方案在福建收费站的应用情况及关键指标的效果。

高速公路智能收费在线支撑平台建设与应用

数字化、智能化已成为高速公路发展的新趋势,入口自助发卡、出口智能收费等新型收费模式对车型、车种等车辆特征识别和判定能力提出了更高的要求。山东省通过开展高速公路智能收费在线支撑平台建设,分析挖掘联网收费相关数据,对接车管所数据,构建车辆画像和路径还原模型,为收费系统提供实时、精准的车辆信息查询服务,实现了车辆特征的精准识别,满足了当前自助发卡、智能收费等无人化设备的需要,为未来数据深度融合分析和应用奠定了基础。

基于雷视融合车型识别的稽核系统方案研究

在现行高速公路收费机制下,偷逃通行费的现象屡禁不止,高速收费稽核是确保做到应收尽收,减少通行费损失的重要环节。传统的人工稽核方式耗费时间、效率低,且易受人为因素影响。文章提出了一种基于激光雷达和视频车型识别的高速收费稽核方案,通过边缘计算技术对车辆信息进行处理,建立可信车型库,并通过大数据分析技术实现车辆画像的生成。试点验证结果表明,该方案在车辆识别率和稽核效率方面均有显著提高,可以为高速公路收费系统和稽核系统提供可靠的应用支持。