一种自由流收费稽查系统的制作方法

技术特征：
1.一种自由流收费稽查系统，其特征在于，包括：应用服务器、和所述应用服务器相连接的数个边缘服务器、以及与所述边缘服务器分别连接的车辆识别模块和etc监控模块；所述车辆识别模块用于拍摄车辆图像进行车辆信息识别，并将识别出的车辆信息发送到所述边缘服务器；所述etc监控模块用于接收车载obu信号获取车辆的通行介质信息、以及对etc天线信号进行监控和识别，并将所述通行介质信息和识别到的etc异常事件发送到所述边缘服务器；所述边缘服务器用于对接收到的所述车辆信息、所述通行介质信息和所述etc异常事件进行存储；所述应用服务器用于获取所述边缘服务器中的所述车辆信息、所述通行介质信息和所述etc异常事件，将所述车辆信息和所述通行介质信息进行匹配，若匹配不成功，则生成稽核工单，并将所述稽核工单和所述etc异常事件进行推送。2.根据权利要求1所述的自由流收费稽查系统，其特征在于，所述车辆识别模块包括：拍摄模块，用于拍摄道路上的车辆，生成车辆图像信息，所述车辆图像信息包括车身图像、车辆高度曲线、车轮图像；识别模块，用于对所述车辆图像信息进行车辆信息识别，所述车辆信息包括车型、车轴数量、车牌和车籍。3.根据权利要求2所述的自由流收费稽查系统，其特征在于，所述拍摄模块包括：摄像模块，用于拍摄道路上的车辆，生成车身图像，所述车身图像包括车头车尾图像和车辆全景图像；超声波模块，用于对所述车辆进行超声波测高，生成车辆高度曲线；激光雷达模块，用于对所述车辆的侧面进行激光测距，生成车轮图像。4.根据权利要求3所述的自由流收费稽查系统，其特征在于，所述识别模块包括：车型识别模块，用于通过第一神经网络模型对所述车身图像进行图像轮廓识别，得到车辆轮廓图像，并将所述车辆轮廓图像与所述车辆高度曲线和所述车轮图像进行匹配，得到车辆图像，通过第二神经网络模型对所述车辆图像进行图像识别和分类，得到车辆的车型，通过第三神经网络对所述车轮图像进行识别和计数，得到车轴数量；车牌识别模块，用于通过目标识别模型对所述车辆图像进行目标区域识别，得到所述车辆的车牌，并根据所述车牌得到相对应的车籍。5.根据权利要求3所述的自由流收费稽查系统，其特征在于，所述拍摄模块和所述识别模块安装在路段门架和收费站匝道处，其中，所述摄像模块和所述超声波模块安装在门架顶部，所述激光雷达模块安装在门架顶部和门架两侧。6.根据权利要求1所述的自由流收费稽查系统，其特征在于，所述etc监控模块包括：rsu路侧单元，用于与车载obu进行通讯，获取车辆的通行介质信息；etc环境监测模块，用于监测etc天线的信号参数和所述车载obu的频率信号，所述信号参数包括天线的发射信号频率、信号功率、调制系数、接收灵敏度；etc异常识别模块，用于将经过预处理的所述信号参数和所述频率信号作为特征序列输入第四神经网络模型进行异常信号识别，得到etc异常事件，所述etc异常事件包括etc天
线异常和车载obu异常。7.根据权利要求1所述的自由流收费稽查系统，其特征在于，所述系统还包括事件监控模块，所述事件监控模块与所述边缘服务器相连接，用于对道路异常事件进行监控，所述道路异常事件包括行人事件、停车事件、抛洒物事件和拥堵事件。8.根据权利要求7所述的自由流收费稽查系统，其特征在于，所述应用服务器用于对获取的所述车辆信息、所述通行介质信息和所述etc异常情况进行分类统计，以及从所述边缘服务器获取所述道路异常事件并进行推送。9.根据权利要求4所述的自由流收费稽查系统，其特征在于，所述第一神经网络模型为som神经网络模型，所述第二神经网络模型为resnet神经网络模型，所述第三神经网络模型为cnn神经网络模型，所述目标识别模型包括yolo模型和ssd模型。10.根据权利要求6所述的自由流收费稽查系统，其特征在于，所述第四神经网络模型为dnn神经网络模型。

技术总结
本发明公开了一种自由流收费稽查系统。包括：应用服务器、相连接的数个边缘服务器、以及与边缘服务器连接的车辆识别模块和ETC监控模块；车辆识别模块用于拍摄车辆图像进行车辆信息识别，并发送到边缘服务器；ETC监控模块用于接收车载OBU信号获取车辆的通行介质信息、以及对天线信号进行监控和识别，并发送到边缘服务器；边缘服务器对接收到的车辆信息、通行介质信息和ETC异常事件进行存储；应用服务器用于将所述车辆信息和所述通行介质信息进行匹配，若匹配不成功，则生成稽核工单，并将所述稽核工单和所述ETC异常事件进行推送。本发明对车辆信息和车辆体貌特征进行多维度分析、对ETC信号进行异常识别、提高了计费准确性。提高了计费准确性。提高了计费准确性。


技术研发人员：吴淑君 陈小英 李梁 吴穗龙 吴瑞东
受保护的技术使用者：广州市凌特电子有限公司
技术研发日：2021.12.22
技术公布日：2022/5/25