一种基于数字孪生的公路收费交互方法和系统技术方案

本发明专利技术属于公路收费数据处理技术领域，公开了一种基于数字孪生的公路收费交互方法和系统。所述交互系统包括：收费硬件系统用于接收收费车道传输的数据；虚拟仿真收费系统用于利用数字孪生基本理念，通过计算机仿真、模型、数据接口建立一个模仿现实收费系统的计算模型，虚拟现实收费系统具有的硬件、软件，进行仿真运行；业务预测与处理系统用于对进行业务预测与对比处理；交互与反馈系统用于对出口收费车道反馈的异常信息进行收费业务的交互。本发明专利技术将原本分散以及下放到收费车道的统一业务问题汇聚在一起，通过串联整个业务的过程，预测与解决出现的业务性问题，并将处理的结果反馈给现实系统，实现简化和快速处理的公路收费系统。系统。系统。

【技术实现步骤摘要】
一种基于数字孪生的公路收费交互方法和系统


[0001]本专利技术属于公路收费数据处理
，尤其涉及一种基于数字孪生的公路收费交互方法和系统。

技术介绍

[0002]现有的公路收费系统主要是在收费车道安装工控机、读卡器、显示器等外设，通过人工的方式或者ETC自动运行的方式来完成收费业务，其核心是以收费车道的硬件设备为主，通过收费车道的收费软件运行来处理收费信息，依靠网络将数据发送至处理中心进行清分。云收费、ETC自动收费等高速公路应用均是改变了收费数据清分的渠道和物理位置，由原来的收费中心处理改为全覆盖性的网络处理。
[0003]在这种系统架构和业务处理模式下，软硬件运行、业务处理、结构复杂性等均出现了爆发性的增长，收费业务运行过程极为复杂，使得收费系统需要投入大量的人力物力处理稽查、清分、维护等多方面的问题。其问题的核心是某些业务信息在现有网络与软件架构下，必须通过车道来处理，大量的数据下发与处理效率低下，且实时性不高。公路收费系统存在大而分散，效率不高的问题。
[0004]通过上述分析，现有技术存在的问题及缺陷为：(1)现有技术对收费业务数据处理中，由于车辆和站点的增多，使得整个库极为庞大，对收费系统各方面带来的压力，不能快速处理；(2)现有的收费系统框架下，针对车道机故障、系统接口故障会造成车道关闭的几率增加，易造成通行效率降低；(3)传统的收费系统清分数据等错误处理往往依赖于专业人员对流程的审查，不能有效降低主观因素造成数据准确性降低，而且比较费时费力。

技术实现思路

[0005]为克服相关技术中存在的问题，本专利技术公开实施例提供了一种基于数字孪生的公路收费交互方法和系统。
[0006]所述技术方案如下：基于数字孪生的公路收费交互方法，包括以下步骤：
[0007]S1，接收收费车道服务器传输的数据，并实时监测和记录，收费管理中心服务器根据传输的数据下发黑名单、费率、清分数据包至路段管理中心服务器；
[0008]S2，路段管理中心服务器根据搭建的虚拟仿真收费系统(2)采用数字孪生模拟收费车道收费业务；
[0009]S3，对收到的车辆车牌、OBU、路段、里程、卡口的收费数据进行业务预测与对比处理；
[0010]S4，出口收费车道根据收到的异常信息反馈至收费管理中心服务器，进行收费业务的交互。
[0011]在步骤S3中，进行业务预测与对比处理包括：
[0012]S3.1，异常信息匹配滤波，在所有的收费车道的车道控制器中，定时下发黑名单数据库，在车道进出时，通过软件系统进行对比；
[0013]S3.2，当公路中约束点不充足时，借助车辆移动过程中产生的语义信息进行匹配融合，提高约束点数量，解算出车辆位置；
[0014]S3.3，对比重构的坐标系，通过匹配滤波和语义融合信息，通过增量式运动恢复结构估算出车辆位置，判断出车辆的车牌、OBU、路段、里程、卡口的收费数据是否正常。
[0015]步骤S3.1中，异常信息匹配滤波具体包括：
[0016]S3.1.1，一组异常信息表示为：I＝{I1,I2…
I
n
}，每组异常信息上标注黑名单、费率通用数据库为T
i
；标志性异常信息黑名单、费率通用数据库集合定义为：异常信息黑名单、费率通用数据库定义为：独特黑名单、费率通用数据库定义为：T
U
＝T
A
‑
T
C
，定义标志性异常信息集合为U；I1、I2、I
n
分别为不同节点的异常信息，i表示节点，T
A
为标志性异常信息黑名单、费率通用数据库集合，I
i
表示i个节点异常信息，C表示异常信息组，表示在多个异常信息组的标志性异常信息黑名单、费率通用数据库集合，T
U
表示独特黑名单、费率通用数据库，T
C
表示当前多个异常信息组下独特黑名单、费率通用数据集合，I
j
表示j个节点异常信息；T
i
表示i个节点独特黑名单、费率通用数据集合，T
j
表示j个节点独特黑名单、费率通用数据集合；
[0017]S3.1.2，在生成独特黑名单、费率通用数据库后，利用独特黑名单、费率通用数据库来进行判定是否当前异常信息匹配对保留，筛选规则如下：
[0018][0019][0020]式中，uniqueTrack
ij
为uniqueTrack
i
和uniqueTrack
j
的交集，score1为当前异常信息匹配筛选值，score2为当前异常信息匹配筛选值和，uniqueTrack
i
为独特黑名单集合，uniqueTrack
j
为独特费率集合，Track
index
为生成独特黑名单、费率通用数据集合值；
[0021]步骤S3.2解算出车辆位置包括：
[0022]S3.2.1，区域选择的融合：在选择融合区域时优先选择车辆语义信息，对多时刻异常信息进行语义分割，获得车辆语义信息内匹配关系所对应的特征点；
[0023]S3.2.2，去除每一时刻中语义先验区域内的假阳性点，在融合时去除冗余重复点；首先随机选择满足异常信息多位置获取模型的最小点数，其中稠密点pi矩阵最小需要8对点，稠密点P
i
矩阵最小需要16对点；根据选择的点计算模型M，并根据对称转移误差选择使用何种模型；计算所有点中符合该模型的内点数，补偿阈值的负面影响，表达式为：
[0024][0025]式中，totalCost表示异常信息多位置获取函数，p
i
′
表示当前稠密点矩阵最小需要对点，ε表示对称转移误差；
[0026]用当前模型衡量点的相似性作为损失项加入到总损失计算中，对数据进行动态阈
值更新；将totalCost与记录的最小minCost进行判断，选择最小损失时的内点位置坐标；重新使用记录的内点更新M模型。
[0027]在步骤S3.3中，通过匹配滤波和语义融合信息后，再通过增量式运动恢复结构估算出车辆位置包括：
[0028]S3.3.1,对稀疏的三维点云位姿进行稠密三维点云重建，得到公路的稠密点云信息；选择稠密点云中的至少8个稠密点云坐标，计为P＝P1,P2…
P
n
，此时获得的坐标即为自标定坐标系下的坐标；P表示自标定坐标系下的坐标集合，P1,P2…
P
n
分别表示不同稠密点自标定坐标系下的坐标；
[0029]S3.3.2,利用矩形化恢复出三维世界坐标；
[0030]S3.3.3,按照规定的坐标系，选定与稠密点云或矩形化对应点的真实世界点坐标，计为：P
′
表示真实世界点坐标集合，表示分别表示不同稠密点真实世界下坐标，l表述真实世界约束条件；
[0031]S3.3.本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的公路收费交互方法，其特征在于，该方法包括以下步骤：S1，接收收费车道服务器传输的数据，并实时监测和记录，收费管理中心服务器根据传输的数据下发黑名单、费率、清分数据包至路段管理中心服务器；S2，路段管理中心服务器根据搭建的虚拟仿真收费系统(2)采用数字孪生模拟收费车道收费业务；S3，对收到的车辆车牌、OBU、路段、里程、卡口的收费数据进行业务预测与对比处理；S4，出口收费车道根据收到的异常信息反馈至收费管理中心服务器，进行收费业务的交互。2.根据权利要求1所述的基于数字孪生的公路收费交互方法，其特征在于，在步骤S3中，进行业务预测与对比处理包括：S3.1，异常信息匹配滤波，在所有的收费车道的车道控制器中，定时下发黑名单数据库，在车道进出时，通过软件系统进行对比；S3.2，当公路中约束点不充足时，借助车辆移动过程中产生的语义信息进行匹配融合，提高约束点数量，解算出车辆位置；S3.3，对比重构的坐标系，通过匹配滤波和语义融合信息，通过增量式运动恢复结构估算出车辆位置，判断出车辆的车牌、OBU、路段、里程、卡口的收费数据是否正常。3.根据权利要求2所述的基于数字孪生的公路收费交互方法，其特征在于，步骤S3.1中，异常信息匹配滤波具体包括：S3.1.1，一组异常信息表示为：I＝{I1,I2…
I
n
}，每组异常信息上标注黑名单、费率通用数据库为T
i
；标志性异常信息黑名单、费率通用数据库集合定义为：异常信息黑名单、费率通用数据库定义为：独特黑名单、费率通用数据库定义为：T
U
＝T
A
‑
T
C
，定义标志性异常信息集合为U；I1、I2、I
n
分别为不同节点的异常信息，i表示节点，T
A
为标志性异常信息黑名单、费率通用数据库集合，I
i
表示i个节点异常信息，C表示异常信息组，表示在多个异常信息组的标志性异常信息黑名单、费率通用数据库集合，T
U
表示独特黑名单、费率通用数据库，T
C
表示当前多个异常信息组下独特黑名单、费率通用数据集合，I
j
表示j个节点异常信息；T
i
表示i个节点独特黑名单、费率通用数据集合，T
j
表示j个节点独特黑名单、费率通用数据集合；S3.1.2，在生成独特黑名单、费率通用数据库后，利用独特黑名单、费率通用数据库来进行判定是否当前异常信息匹配对保留，筛选规则如下：进行判定是否当前异常信息匹配对保留，筛选规则如下：式中，uniqueTrack
ij
为uniqueTrack
i
和uniqueTrack
j
的交集，score1为当前异常信息匹配筛选值，score2为当前异常信息匹配筛选值和，uniqueTrack
i
为独特黑名单集合，uniqueTrack
j
为独特费率集合，Track
index
为生成独特黑名单、费率通用数据集合值。
4.根据权利要求2所述的基于数字孪生的公路收费交互方法，其特征在于，步骤S3.2中，解算出车辆位置包括：S3.2.1，区域选择的融合：在选择融合区域时优先选择车辆语义信息，对多时刻异常信息进行语义分割，获得车辆语义信息内匹配关系所对应的特征点；S3.2.2，去除每一时刻中语义先验区域内的假阳性点，在融合时去除冗余重复点；首先随机选择满足异常信息多位置获取模型的最小点数，其中稠密点pi矩阵最小需要8对点，稠密点P
i
矩阵最小需要16对点；根据选择的点计算模型M，并根据对称转移误差选择使用何种模型；计算所有点中符合该模型的内点数，补偿阈值的负面影响，表达式为：式中，totalCost表示异常信息多位置获取函数，p
i
′
表示当前稠密点矩阵最小需要对点，ε表示对称转移误差；用当前模型衡量点的相似性作为损失项加入到总损失计算中，对数据进行动态阈值更新；将totalCost与记录的最小minCost进行判断，选择最小损失时的内点位置坐标；重新使用记录的内点更新M模型。5.根据权利要求2所述的基于数字孪生的公路收费交互方法，其特征在于，在步骤S3.3中，通过匹配滤波和语义融合信息后，再通过增量式运动恢复结构估算出车辆位置，包括：S3.3.1,对稀疏的三维点云位姿进行稠密三维点云重建，得到公路的稠密点云信息；选择稠密点云中的至少8个稠密点云坐标，计为P＝P1,P2…
P
n
，此时获得的坐标即为自标定坐标系下的坐标；P表示自标定坐标系下的坐标集合，P1,P...

【专利技术属性】
技术研发人员：张辉，王锋，
申请(专利权)人：甘肃紫光智能交通与控制技术有限公司，
类型：发明
国别省市：