一种用于高速公路的过路费预算系统技术方案

本发明专利技术具体公开了一种用于高速公路的过路费预算系统，包括中心处理器、多个支付终端及多个收费站信息采集单元；收费站信息采集单元包括图像分析装置及多个车道子单元信息采集子单元；中心处理器包括收费站地图单元、数据管理单元、费用计算单元及网上支付服务器；收费站地图单元，用于对多个收费站信息采集装置进行编号；数据管理单元用于接收并存储图像分析装置发送的收费站信息、车辆的车牌号、车辆类型信息、车辆进出方向；费用计算单元，用于计算费用；网上支付服务器，与该车辆对应的一个或多个支付终端发送支付请求，支付终端用于响应网上支付服务器发送的支付请求完成支付。本发明专利技术具有提高高速公路收费的便利性的优点。

【技术实现步骤摘要】
一种用于高速公路的过路费预算系统
本专利技术涉及光学显微成像及显微测量领域的
，尤其是涉及一种用于高速公路的过路费预算系统。
技术介绍
目前，我国高速公路通行费的收取主要采用两种方式：传统人工收费方式(MTC)和电子不停车收费方式(ETC)。通过长期的实践环节发现，上述两种收费方式分别存在如下的缺陷：人工收费方式效率较低，机动车辆通过收费站入口时须停车领卡，通过收费站出口时须停车刷卡缴费，当车辆通过收费站的交通流量达到一定程度时，就会造成收费站出入口严重的交通拥堵和车辆延误，引起噪声，增加油耗、废气排放等问题。ETC收费实现了公路不停车收费，提高了收费工作效率，有效缓解公路收费站拥堵，节约公路运营成本、减少收费站占地，减少环境污染。但是申请办理用的时间较长，办理过程比较复杂，用户需购买并安装车载单元(onboardunit.OBU)，还需要办理专门与之捆绑的信用卡，并在卡里储存一定额度的预付款，对我国不经常使用高速公路的用户群体吸引力不大。ETC收费系统还面临着倒卡、换卡、收费车辆使用免费卡、大型车辆使用小型车辆收费卡等不良和欺诈现象的大量存在的问题。ETC的推广及使用仍不方便。
技术实现思路
本专利技术目的在于提供一种用于高速公路的过路费预算系统，具有提高高速公路收费的便利性的优点。为实现上述目的，本专利技术所采用的技术方案是：一种用于高速公路的过路费预算系统，包括中心处理器、多个支付终端及多个收费站信息采集单元，一个或多个支付终端对应一辆车辆；所述收费站信息采集单元包括，图像分析装置及多个车道子单元信息采集子单元，收费站的每个车道均安装有一个所述车道子单元信息采集子单元；所述车道子单元信息采集装置包括，车辆靠近检测装置，用于检测当前收费站车道上是否有车辆经过，还用于在检测当前收费站车道上有车辆经过时输出唤醒信息；车辆图片采集装置，用于接收所述车辆检测装置输出的唤醒信息后进行车辆的图像信息采集工作；所述图像分析装置用于对收费站的多个车辆图片采集装置进行编号，还用于接受所述车辆图片采集装置采集的车辆的图像信息并对辆的图像信息进行识别，判断车辆的车牌号及车辆类型，还用于根据车辆图片采集装置的编号信息判断车辆的进出方向；所述图像分析装置还用于将收费站信息、车辆的车牌号、车辆类型信息、车辆进出方向发送至中心处理器；所述中心处理器包括收费站地图单元、数据管理单元、费用计算单元及网上支付服务器；收费站地图单元，用于对多个所述收费站信息采集装置进行编号，并根据多个所述收费站信息采集装置所在的收费站位置信息建立收费站地图；数据管理单元用于接收并存储所述图像分析装置发送的收费站信息、车辆的车牌号、车辆类型信息、车辆进出方向发送；费用计算单元，用于根据车辆的进出方向信息判断车辆出收费站时，根据车辆的进高速路的收费站与车辆出高速路的收费站之间的距离及车辆类型信息计算费用；网上支付服务器，与该车辆对应的一个或多个支付终端发送支付请求，所述支付终端用于响应所述网上支付服务器发送的支付请求完成支付。进一步地，所述车辆靠近检测装置包括地磁传感器、微控制器及通电开关，地磁传感器安装在收费站的车道的前方，所述地磁传感器的输出端与微控制器连接，所述通电开关串联在外接电源与车辆图像采集装置之间，所述地磁传感器检测到车辆经过时，微控制器控制通电开关处于闭合状态。进一步地，所述图像分析装置包括，训练模块，用于使用多张车辆的图像对卷积神经网络进行训练及优化，获得深度卷积神经网络模型；深度卷积神经网络模型，用于识别车辆的图像中的车牌号码；图像预处理模块，用于对车辆的图像进行直方图均衡化处理和对数变换处理，获得处理后的车辆的图像，并将处理后的车辆的图像发送至训练模块及深度卷积神经网络模型。进一步地，所述深度卷积神经网络模型为Tiny-YOLOv3。进一步地，所述深度卷积神经网络模型包括DarkNet框架，所述DarkNet框架包括53个卷积层及22个Residual层，所述DarkNet框架中的53个卷积层用于对草地的环境图像进行特征提取，所述DarkNet框架中的22个Residual层用于解决深度卷积神经网络模型中的梯度弥散或梯度爆炸。进一步地，所述训练模块对深度卷积神经网络模型的训练过程如下：将输入的训练图集的图像分成S*S网格；S*S网格中的每个格子生成3个边界框，属性包括中心坐标、宽、高、置信度及属于工件裂纹目标的概率；通过对象置信度小于阈值th1剔除不包含目标的候选框，其次利用非极大值抑制选择与真实框交并比(IoU)最大的候选框进行目标预测，预测如下：bx＝σ(tx)+cx(1)by＝σ(ty)+cy(2)bx,by,bw,bh即为网络最终预测边界框的中心坐标、宽和高，其中cx,cy是网格的坐标偏移量；pw,ph是锚框映射到特征图中的宽和高；tx,ty,tw,th是网络训练过程中需要学习的参数，tw,th表示预测框的尺度缩放程度，tx,ty表示预测框的中心坐标偏移程度，σ表示sigmoid函数，通过不断学习更新tx，ty，tw，th参数，使得预测框与真实框越来越接近，当网络损失小于设定阈值th2或者训练次数达到最大迭代次数N停止训练。进一步地，所述图像分析装置还用于根据车辆图片采集装置采集的车辆的图像信息计算车辆所占面积比，根据车辆所占面积比判断车辆类型。进一步地，所述费用计算单元采用以下步骤根据车辆的进高速路的收费站与车辆出高速路的收费站之间的距离及车辆类型信息计算费用，S1：根据图像分析装置发送的车辆图片采集装置的编号信息判断车辆的进出方向，判断车辆出收费站时，执行S2；S2：根据图像分析装置发送的车辆的车牌号及车辆类型，访问数据管理单元，查找该车辆的前一个数据，获取该车辆的进收费站时收费站的编号，执行S3；S3：根据该车辆的出收费站时收费站的编号及该车辆的进收费站时收费站的编号，访问收费站地图单元，获取两个收费站之间的距离，执行S4；S4：访问数据管理单元，获取该车辆的车辆类型，根据该车辆的出收费站时的收费站及该车辆的进收费站时的收费站之间的距离及该车辆的车辆类型计算费用。进一步地，所述S4中费用的计算方法为：P＝a*x，其中，a为该车辆对应的车辆类型的出收费站时的收费站与进收费站时的收费站之间的高速公路的每公里收费系数，x为该车辆的出收费站时的收费站及该车辆的进收费站时的收费站之间的距离。进一步地，所述收费站地图单元还用于对高速路段的编码，每段高速路段对应一个收费标准。附图说明图1是本专利技术的一种用于高速公路的过路费预算系统的示意图；图2是本专利技术的一种用于高速公路的过路费预算系统用于展示收费标准的示意图；图3是本专利技术的一种用于高速公路的过路费预算系统的费用计算单元根据车辆的进高速路的收费站与车辆出高速路的收费站之间的本文档来自技高网...

【技术保护点】
1.一种用于高速公路的过路费预算系统，其特征在于，包括中心处理器、多个支付终端及多个收费站信息采集单元，一个或多个支付终端对应一辆车辆；/n所述收费站信息采集单元包括，图像分析装置及多个车道子单元信息采集子单元，收费站的每个车道均安装有一个所述车道子单元信息采集子单元；/n所述车道子单元信息采集装置包括，/n车辆靠近检测装置，用于检测当前收费站车道上是否有车辆经过，还用于在检测当前收费站车道上有车辆经过时输出唤醒信息；/n车辆图片采集装置，用于接收所述车辆检测装置输出的唤醒信息后进行车辆的图像信息采集工作；/n所述图像分析装置用于对收费站的多个车辆图片采集装置进行编号，还用于接受所述车辆图片采集装置采集的车辆的图像信息并对辆的图像信息进行识别，判断车辆的车牌号及车辆类型，还用于根据车辆图片采集装置的编号信息判断车辆的进出方向；/n所述图像分析装置还用于将收费站信息、车辆的车牌号、车辆类型信息、车辆进出方向发送至中心处理器；/n所述中心处理器包括收费站地图单元、数据管理单元、费用计算单元及网上支付服务器；/n收费站地图单元，用于对多个所述收费站信息采集装置进行编号，并根据多个所述收费站信息采集装置所在的收费站位置信息建立收费站地图；/n数据管理单元用于接收并存储所述图像分析装置发送的收费站信息、车辆的车牌号、车辆类型信息、车辆进出方向发送；/n费用计算单元，用于根据车辆的进出方向信息判断车辆出收费站时，根据车辆的进高速路的收费站与车辆出高速路的收费站之间的距离及车辆类型信息计算费用；/n网上支付服务器，与该车辆对应的一个或多个支付终端发送支付请求，所述支付终端用于响应所述网上支付服务器发送的支付请求完成支付。/n...

【技术特征摘要】
1.一种用于高速公路的过路费预算系统，其特征在于，包括中心处理器、多个支付终端及多个收费站信息采集单元，一个或多个支付终端对应一辆车辆；
所述收费站信息采集单元包括，图像分析装置及多个车道子单元信息采集子单元，收费站的每个车道均安装有一个所述车道子单元信息采集子单元；
所述车道子单元信息采集装置包括，
车辆靠近检测装置，用于检测当前收费站车道上是否有车辆经过，还用于在检测当前收费站车道上有车辆经过时输出唤醒信息；
车辆图片采集装置，用于接收所述车辆检测装置输出的唤醒信息后进行车辆的图像信息采集工作；
所述图像分析装置用于对收费站的多个车辆图片采集装置进行编号，还用于接受所述车辆图片采集装置采集的车辆的图像信息并对辆的图像信息进行识别，判断车辆的车牌号及车辆类型，还用于根据车辆图片采集装置的编号信息判断车辆的进出方向；
所述图像分析装置还用于将收费站信息、车辆的车牌号、车辆类型信息、车辆进出方向发送至中心处理器；
所述中心处理器包括收费站地图单元、数据管理单元、费用计算单元及网上支付服务器；
收费站地图单元，用于对多个所述收费站信息采集装置进行编号，并根据多个所述收费站信息采集装置所在的收费站位置信息建立收费站地图；
数据管理单元用于接收并存储所述图像分析装置发送的收费站信息、车辆的车牌号、车辆类型信息、车辆进出方向发送；
费用计算单元，用于根据车辆的进出方向信息判断车辆出收费站时，根据车辆的进高速路的收费站与车辆出高速路的收费站之间的距离及车辆类型信息计算费用；
网上支付服务器，与该车辆对应的一个或多个支付终端发送支付请求，所述支付终端用于响应所述网上支付服务器发送的支付请求完成支付。


2.根据权利要求1所述的一种用于高速公路的过路费预算系统，其特征在于，所述车辆靠近检测装置包括地磁传感器、微控制器及通电开关，地磁传感器安装在收费站的车道的前方，所述地磁传感器的输出端与微控制器连接，所述通电开关串联在外接电源与车辆图像采集装置之间，所述地磁传感器检测到车辆经过时，微控制器控制通电开关处于闭合状态。


3.根据权利要求1或2所述的一种用于高速公路的过路费预算系统，其特征在于，所述图像分析装置包括，
训练模块，用于使用多张车辆的图像对卷积神经网络进行训练及优化，获得深度卷积神经网络模型；
深度卷积神经网络模型，用于识别车辆的图像中的车牌号码；
图像预处理模块，用于对车辆的图像进行直方图均衡化处理和对数变换处理，获得处理后的车辆的图像，并将处理后的车辆的图像发送至训练模块及深度卷积神经网络模型。


4.根据权利要求3所述的一种用于高速公路的过路费预算系统，其特征在于，所述深度卷积神经网络模型为Tiny-YOLOv3。


5.根据权利要求4所述的一种用于高速公路的过路费预算系统，其特征在于，所述深度卷积神经网络模型包括DarkNet框架，所述DarkNet框架包括53个卷积层及22个Residual层，所述DarkN...

【专利技术属性】
技术研发人员：王素云，张卫华，
申请(专利权)人：王素云，
类型：发明
国别省市：河北;13