一种收费站智慧化监测系统及方法与流程

摘要: 本发明属于智能交通,具体涉及一种收费站智慧化监测系统及方法。背景技术:1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,并不必然构成在先技术。2、这里的陈...
一种收费站智慧化监测系统及方法与流程

本发明属于智能交通,具体涉及一种收费站智慧化监测系统及方法。

背景技术:

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,并不必然构成在先技术。

2、这里的陈述仅提供与本发明相关的背景技术,而不必然地构成现有技术。

3、高速公路收费站作为路网的重要节点,其通行效率和运营安全直接影响路网整体服务水平。随着全国高速公路省界收费站的取消,高速公路收费模式进入“一张网”运营新时代,收费站的智慧化监测需求日益迫切。

4、发明人发现,目前针对收费站区域的监测主要依靠人工盯屏或单一传感器(如地磁感应线圈),难以全面、实时地感知拥堵状态。然而,地磁线圈监测范围有限,仅能感知正上方通过的车辆,预警时间不足1秒,而且视频监测受光照、遮挡影响大,拥堵识别率低。而且,传统监测方案大多是将大量原始视频上传至云端,大大增加了网络带宽和存储成本,且响应延迟大,难以满足实时预警的毫秒级要求,且现有收费站监测系统多为事后响应,缺乏基于实时监测数据的主动管控能力,无法根据拥堵等级动态调整车道配置和限速策略。

5、此外,收费站工作人员需频繁穿越车道处理特情、更换监督照片、维护设备等,现有防护措施仅依赖地磁线圈或人工观察,无法提供提前预警,安全事故时有发生。据行业统计,收费站工作人员被车辆剐蹭的事故每年均有发生,严重威胁人身安全。

技术实现思路

1、本发明的目的是克服上述现有技术中存在的不足,提供一种收费站智慧化监测系统及方法。

2、为了实现上述目的,本发明是通过如下的技术方案来实现:

3、第一方面,本发明的技术方案提供了一种收费站智慧化监测系统,包括:雷视一体机、边缘计算机以及云端服务器;其中,雷视一体机部署于收费站门架中央,用于实时采集收费站入口和出口各车道的雷达数据与视频数据,生成结构化目标信息;边缘计算机用于接收结构化目标信息,执行拥堵检测处理和人员穿越车道预警处理,生成拥堵状态信息和分级预警指令;云端服务器与边缘计算机通信连接,用于接收并汇聚多个收费站上传的拥堵状态信息和预警事件数据,提供远程监控和管理功能;

4、其中,边缘计算机包括拥堵检测模块、人员预警模块和设备联动模块;其中,拥堵检测模块用于基于结构化目标信息提取车辆存在特征、车道占用特征以及车速特征,基于多信息融合模型对各特征中的指标进行加权融合并判别收费站拥堵等级;

5、人员预警模块用于检测车道内人员位置,计算车辆预计到达时间与人员安全撤离时间,比较车辆预计到达时间与人员安全撤离时间以判断冲突风险等级,并根据风险等级进行生成分级预警指令;

6、设备联动模块存储有设备联动表,用于根据预警指令查询设备联动表,确定目标报警设备并生成控制指令。

7、在至少一个实施例中,结构化目标信息包括目标id、时间戳、目标类型、三维坐标、速度矢量、尺寸信息、置信度以及车牌信息;目标类型包括小客车、大客车、货车、行人和非机动车。

8、在至少一个实施例中,边缘计算机还包括数据预处理模块和数据融合模块,基于数据预处理模块对结构化目标信息进行预处理,基于数据融合模块对经过预处理的结构化目标信息进行时空匹配和特征融合,生成融合目标信息。

9、在至少一个实施例中,车辆存在特征包括车道车辆数和车辆密度,车道占用特征包括车道占用率和空间占有率,车速特征包括平均车速、车速标准差以及低速车辆比例。

10、在至少一个实施例中,基于多信息融合模型对各特征中的指标进行加权融合并判别收费站拥堵等级,具体包括:

11、基于车辆存在特征、车道占用特征以及车速特征中的各个指标,采用多信息融合模型对各个指标进行加权融合,并引入一个基于车速标准差的附加惩罚项进行修正,得到综合拥堵指数,具体表示为:

12、

13、式中,为车道车辆数归一化函数;为车道占用率归一化函数;为空间占有率归一化函数;为车速归一化函数;为低速车辆比例归一化函数;、、、和为权重系数,通过层次分析法确定;为附加惩罚项,,其中,为车速标准差,为车辆速度。

14、在至少一个实施例中,判别收费站拥堵等级为基于综合拥堵指数与预设阈值区间,输出收费站拥堵等级,具体包括:

15、当综合拥堵指数处于第一阈值区间,输出收费站拥堵等级为一级,收费站状态为畅通;

16、当综合拥堵指数处于第二阈值区间,输出收费站拥堵等级为二级,收费站状态为轻度拥堵;

17、当综合拥堵指数处于第三阈值区间,输出收费站拥堵等级为三级,收费站状态为中度拥堵;

18、当综合拥堵指数处于第四阈值区间,输出收费站拥堵等级为四级,收费站状态为严重拥堵。

19、在至少一个实施例中,车辆预计到达时间具体为从车辆当前位置为人员位置所需时间,基于车辆当前位置到人员位置的纵向距离和车辆当前速度计算得到;当车辆存在加速度时,采用匀加速运动模型进行修正;

20、人员安全撤离时间具体为人员安全离开车道所需的最短时间,考虑人员反应时间、人员移动速度、车道宽度和撤离距离;

21、比较车辆预计到达时间与人员安全撤离时间以判断冲突风险等级,具体为:

22、当车辆预计到达时间大于两倍的人员安全撤离时间,则判定冲突风险等级为低风险,不需预警或进行提示性预警;当车辆预计到达时间大于人员安全撤离时间但不超过两倍的人员安全撤离时间,则判定冲突风险等级为中风险,需进行警告性预警;当车辆预计到达时间小于人员安全撤离时间,则判定冲突风险等级为高风险,需进行紧急预警。

23、在至少一个实施例中,设备联动表采用内存共享字典存储联动信息,设备联动模块通过查询内存共享字典确定目标报警设备;设备联动表采用键值对结构存储;其中,键由设备标识、车道标识和行车方向组合而成;值包括串口服务器名称、寄存器地址以及报警频率。

24、第二方面,本发明的技术方案还提供了一种收费站智慧化监测方法,包括:

25、通过部署于收费站的雷视一体机实时采集雷达数据和视频数据,生成结构化目标信息;

26、对结构化目标信息进行数据预处理,并将雷达检测目标与视频检测目标进行时空匹配和特征融合,生成融合目标信息;

27、基于融合目标信息提取车辆存在特征、车道占用特征以及车速特征,并基于多信息融合模型对各特征中的指标进行加权融合,生成综合拥堵指数;

28、根据综合拥堵指数与预设阈值区间,将收费站拥堵状态划分为多个等级并输出;多个等级包括一级畅通、二级轻度拥堵、三级中度拥堵和四级严重拥堵。

29、第三方面,本发明的技术方案还提供了一种收费站智慧化监测方法,包括:

30、通过部署于收费站的雷视一体机实时采集雷达数据和视频数据,识别车道内的车辆目标和人员目标,获取车辆的位置、速度以及人员的位置;

31、根据车辆的位置和速度,计算车辆到达人员所在位置的预计到达时间;

32、根据人员的位置、预设的人员移动速度和车道宽度,计算人员安全撤离车道所需的安全撤离时间;

33、比较预计到达时间与安全撤离时间以判断冲突风险等级,并根据风险等级进行分级预警。

34、上述本发明的技术方案的有益效果如下:

35、1)本发明通过部署雷视一体机实时采集收费站全车道雷达与视频数据,结合边缘计算机内置的拥堵检测模块、人员预警模块和设备联动模块,实现了收费站拥堵状态的多信息融合精准判别以及人员穿越车道的分级主动预警;同时采用端-边-云分级架构,在边缘侧进行实时计算,仅上传结构化特征和关键事件至云端,大幅降低了网络带宽需求和响应延迟,既保障了毫秒级的现场安全联动控制,又支持多收费站的远程集中监控与管理,有效提升了收费站通行效率与作业人员的人身安全。

36、2)本发明通过雷视一体机融合毫米波雷达和视频感知,基于雷达提供精确的距离和速度信息,基于视频提供丰富的语义信息,实现了收费站全天候、高精度的车辆和人员监测,解决了单一传感器在恶劣天气、光照变化、遮挡等条件下的局限性。

37、3)本发明采用端-边-云分级传输架构,边缘计算机承担拥堵判别、人员预警、设备联动等实时计算任务,仅将结构化特征和关键事件上传至云端,降低网络带宽需求,同时将预警响应延迟控制在毫秒级,并保护了原始视频数据的隐私。

38、4)本发明设计了设备联动表,采用内存共享字典存储设备映射关系,查询延迟在1毫秒以内,结合串口服务器实现对声光报警器的精准、快速控制,实现了车道级定向预警。

39、本发明的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。