高速公路假日免征车辆疫情预警及入口信息还原方法与流程

1.本发明涉及高速公路智能交通及车路协同技术领域，尤其涉及高速公路假日免征车辆疫情预警及入口信息还原方法。


背景技术：

2.收费站、服务区作为高速公路的疫情防控重要阵地，如何利用人工智能、大数据挖掘、物联网等技术做好疫情预警、疫情防控分析是目前的研究重点。各地也在进行着智能化疫情防控的实验尝试，如浙江温州推出高速公路疫情防控车辆检查预警系统，该系统通过识别车辆，并与数据库信息对比，判断车辆是否为疫区车辆，同时将监测结果反馈到不同平台；交通运输部提供了一种高速公路疫情防控无感式人员检测及车辆轨迹追踪系统，包括疫情大数据子系统、车辆轨迹追踪子系统、服务区管理子系统、疫情防控策略自动研判子系统及服务区上游车辆诱导调度子系统。
3.目前，etc门架设备上铺设着rsu天线设备、抓拍摄像头、网络传输设备。就2022年清明、五一节免征期间的对福建省etc门架采集的数据进行分析的结果如下：车道抓拍率，免征期间直通车的车道抓拍率约为91％，日常运营期间车道抓拍成功率为98％。直通车etc车辆比例。五一节全省免征直通车道通行车辆中，etc车辆占比约59％。
4.现有技术方案大多都基于车辆在进入收费站时，天线设备识别到的obu信号或取卡得到的车辆入口信息，当前收费站点提取车辆的入口信息与疫情地区信息进行匹配去判断该车辆是否来自疫情地区。该方法依赖于车辆入口信息的完整性和准确性，对于重大节假日如五一、国庆时，高速公路实行一类客车通行费免征，一类客车通过免征车道进入高速路网时无入口信息，则该方法无法对节假日免征车道通行车辆进行出发地的定位回溯，导致节假日免征车道车辆无入口信息。
5.此外，各省域内通行数据并未实现数据共享，虽然数据统一上传至部联网中心，但各省份对于通行数据的跨省查询相对困难，省域通行数据形成“数据孤岛”，导致对重大节假日外省进入的车辆识别监管存在困难。


技术实现要素：

6.本发明的目的在于针对重大节假日时，免征车辆通过免征车道无入口信息、etc通行数据质量不佳轨迹还原效果差的情况，提供高速公路假日免征车辆疫情预警及入口信息还原方法，基于多源数据利用大数据和人工智能融合能够实现省外车辆识别，车辆轨迹还原、免征车辆入口信息还原。
7.本发明采用的技术方案是：
8.高速公路假日免征车辆疫情预警及入口信息还原方法，其具体步骤如下：
9.步骤1，获取目标高速公路路网数据构建高速公路路网模型；
10.步骤2，基于深度约束的dijkstra算法获取指定起始节点和中终止点的多义性路径以形成最短多义性路径集合b；
11.具体地，高速公路任意节点之间的多义性路径，由于高速公路路网规模大，两点间的多义性路径众多，综合考虑车主驾驶行为、行驶路径成本对多义性路径的路径长度进行约束采用基于深度约束的dijkstra算法获取指定起始节点和中终止点的多义性路径，多义性路径。
12.步骤3，采集获取车辆通行数据和最短多义性路径集合b，并进行数据筛选和数据融合处理生成车辆轨迹数据；
13.步骤4，对于车辆轨迹数据进行分析，判断当前车辆是否为免征车辆；是则，从免征车辆的通行数据中提取出口车辆信息并进入步骤5；否则，从非免征车辆的通行数据中提取出口车辆信息并进入步骤8；
14.步骤5，通过出口车辆信息判断是否为etc车辆；是则，执行步骤6；否则，执行步骤7；
15.步骤6，针对etc车辆，利用etc车辆通过etc门架的交易数据比对通行路径中是否存在省界门架的交易信息；是则，判断外省进入车辆并进行预警信息推送；否则，结束预警流程；
16.步骤7，针对非etc车辆，通过抓拍设备的采集数据提取车辆抓拍车牌进行信息匹配，判断该车辆的车牌信息是否被省界门架上的抓拍设备所识别；是则，判断为外省进入车辆，进行预警信息推送；否则，结束预警流程；
17.步骤8，判断非免征车辆的入口收费站是否为省界收费站；是则，进行预警；否则，结束预警流程；
18.进一步地，步骤1中对高速公路上etc门架、服务区、收费站的位置和拓扑关系使用图理论进行建模，根据高速公路分向行驶以及控制出入的性质，采用加权有向图对其拓扑结构进行建模dg＝《n，l，d》以表示高速公路中的门架拓扑图，n、l、d分别表示路网中的节点、节点之间的连通关系以及道路距离；dg的具体表达式如下：
[0019][0020]
其中，nodei、nodej为高速公路的两个不同节点i和节点j，表示两节点的连通情况且返回其路网距离，inf表示nodei与nodej之间无法直接连通。
[0021]
具体地，高速公路的节点包括收费站、etc门架、服务区；当nodei与nodej连通且节点间路网距离为7632m，则其他节点同理；当nodei与nodej不连通则当nodei＝nodej，则
[0022]
进一步地，多义性路径集合b生成步骤如下：
[0023]
步骤2-1，获取起点o、终点d和终止长度cutoff；
[0024]
步骤2-2，用最短路径法计算起点0和终点d之间最短路径作为最短路径pk，并表示为多个节点且拆分成多条边；
[0025]
步骤2-3，判断当前最短路径的条数k是否小于最大候选路径数k且还有候选最短路径；是则，执行步骤2-4；否则，执行步骤2-8；
[0026]
具体地，作为一种实施方法，最大候选路径数k取值为15。
[0027]
步骤2-4，把最短路径pk上除了终点外的每个节点分别作为偏离点；
[0028]
步骤2-5，遍历每个偏离点，并计算获取每个偏离点到终点的最短路径；
[0029]
步骤2-6，对于每个偏离点，将起点到偏离点的路径+偏离点到终点的路径组成新候选路径并加入候选路径集合
[0030]
步骤2-7，判断候选路径集合是否为空集；是则，执行步骤2-8；否则，遍历候选路径集合，并将路径长度小于终止长度数据的路作为最短路径，将最短路径移出候选路径集合并执行步骤2-3；
[0031]
步骤2-8，将找到所有最短路径形成多义性路径集合b。
[0032]
进一步地，步骤3中车辆通行数据包括etc门架通行数据、etc入口数据、etc门架抓拍视频数据和收费站抓拍数据。
[0033]
进一步地，步骤3中基于多源数据融合生成车辆轨迹的步骤如下：
[0034]
步骤3-1，提取etc门架交易数据，按照通行时间进行排序并生成etc门架交易路径tradepath，tradepath表达式如下：
[0035]
tradepath＝{plate，obuid，ta，na}
[0036]
其中，plate为车辆车牌号；obuid为车载obu信息；ta为交易时间序列，ta＝《ta1，ta2...，tan＞，ta1为第一个交易时间，tan为经过第n个交易时间；na为交易门架序列，na＝《na1，na2...，nan》，na1为车辆上高速交易的第一个节点，nan为车辆交易的第n个节点，即最后一个节点；
[0037]
步骤3-2，提取etc门架抓拍数据，按照抓拍时间进行排序并生成etc门架抓拍路径cappath，cappath的表达式如下：
[0038]
cappath＝{plate，vehcolor，reid，tb，nb}
[0039]
其中，plate为车辆车牌号；vehcolor为车辆颜色；reid为抓拍设备抓拍视频后通过车辆重识别系统识别出的车辆唯一标识；tb为抓拍时间序列，tb＝＜tb1，tb2...，tbm＞，tb1为第一个抓拍时间，tbm为经过第m个抓拍时间；nb为抓拍门架序列，nb＝《nb1，nb2...，nbm》，nb1为车辆上高速抓拍的第一个节点，nn为车辆抓拍的第m个节点，即最后一个节点；
[0040]
步骤3-3，将tradepath和cappath进行融合生成fusionpath；fusionpath的表达式如下：
[0041]
fusionpath＝{plate，vehcolor，reid，tc，nc，s}
[0042]
其中，plate为车辆车牌号；vehcolor为车辆颜色；reid为抓拍设备抓拍视频后通过车辆重识别系统识别出的车辆唯一标识；tc为融合轨迹时间序列，tc＝《tc1，tc2...，tck》，tc1为第一个门架通过时间，tck为经过第k个门架的通过时间；nc为通行门架序列，nc＝《nc1，nc2...，nck》，nc1为车辆上高速通行的第一个节点，nck为车辆通行的最后一个节点；s为数据来源序列，s＝《s1，s2...，sk》，s1代表nc1或tc1的数据来源，数据来源为etc门架交易数或etc门架抓拍数据。
[0043]
步骤3-4，将fusionpath和多义性车辆轨迹数据b的路径利用轨迹匹配算法进行轨迹匹配，匹配出当前车辆的行驶路径，并搭配当前标准轨迹的入口收费站信息以还原车辆入口收费站信息。
[0044]
具体地，当前标准轨迹通过查询由高速公路门架拓扑构建的路网模型得出。
[0045]
进一步地，步骤3-4中将fusionpath和多义性车辆轨迹数据b中的所有路径进行匹配分析，匹配成功后得出入口信息；轨迹匹配算法的具体步骤如下：
[0046]
步骤3-4-1，提取fusionpath中所涉及到的通行节点信息，与多义性车辆轨迹数据b中的路径进行匹配，生成潜在路径集potentialpathset。
[0047]
步骤3-4-2，利用轨迹相似度计算sim(fusionpath，potentialpath)，选取相似度最高的potentialpath。
[0048]
步骤3-4-3，提取potentialpath的入口收费站，作为当前轨迹的入口收费站信息。
[0049]
进一步地，步骤4中免征车辆的出口车辆信息包括车牌信息、passid、车载单元(on board unit，obu)的物理地址(media access control address，mac)、路径信息。
[0050]
进一步地，步骤4中非免征车辆的的出口车辆信息包括车牌信息、passid，入口收费站、入口时间、车载单元(on board unit，obu)的物理地址(media access control address，mac)、路径信息。
[0051]
本发明采用以上技术方案，利用门架etc门架上的rsu设备和抓拍摄像设备，利用对数据进行分析提取，提取经过省界门架的车辆信息，实现省外车辆识别。针对etc通行数据漏检测、误检测、重复检测的情况，基于大数据挖掘、人工智能算法实现对etc交易流水数据、车辆重识别信息、高速公路路网数据等进行多源数据融合实现车辆轨迹还原。将轨迹信息与高速公路路网模型多义性路径进行匹配比对，实现免征车辆入口信息还原。
[0052]
本发明与现有技术相比，具有如下有益效果：1、利用rsu设备和抓拍设备对经过省界门架的车辆进行识别提取，实现省外车辆识别，并生成预警信息在该车辆出高速时，推送至现场防疫人员进行疫情防控。解决了由于省域通行数据无法直接共享，在重大节假日时免征车辆无入口信息，对于省外车辆预警困难的情况。2、基于多源数据融合，利用人工智能算法实现免征车辆的入口信息还原。解决了对于因重大节假日免征车道车辆无入口信息的车辆涉疫情况分析、涉疫车辆预警困难的现状。
附图说明
[0053]
以下结合附图和具体实施方式对本发明做进一步详细说明；
[0054]
图1为本发明高速公路假日免征车辆疫情预警的流程示意图；
[0055]
图2为本发明高入口信息还原方法的原理意图；
[0056]
图3为某省高速公路路网模型示意图；
[0057]
图4为基于深度约束的迪杰斯特拉算法流程图；
[0058]
图5为轨迹融合示意图。
具体实施方式
[0059]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图对本技术实施例中的技术方案进行清楚、完整地描述。
[0060]
如图1至5之一所示，本发明公开了高速公路假日免征车辆疫情预警及入口信息还原方法，其具体步骤如下：
[0061]
步骤1，获取目标高速公路路网数据构建高速公路路网模型；
[0062]
步骤2，基于深度约束的dijkstra算法获取指定起始节点和中终止点的多义性路
径以形成最短多义性路径集合b；
[0063]
具体地，高速公路任意节点之间的多义性路径，由于高速公路路网规模大，两点间的多义性路径众多，综合考虑车主驾驶行为、行驶路径成本对多义性路径的路径长度进行约束采用基于深度约束的dijkstra算法获取指定起始节点和中终止点的多义性路径，多义性路径。
[0064]
步骤3，采集获取车辆通行数据和最短多义性路径集合b，并进行数据筛选和数据融合处理生成车辆轨迹数据；
[0065]
步骤4，对于车辆轨迹数据进行分析，判断当前车辆是否为免征车辆；是则，从免征车辆的通行数据中提取出口车辆信息并进入步骤5；否则，从非免征车辆的通行数据中提取出口车辆信息并进入步骤8；
[0066]
步骤5，通过出口车辆信息判断是否为etc车辆；是则，执行步骤6；否则，执行步骤7；
[0067]
步骤6，针对etc车辆，利用etc车辆通过etc门架的交易数据比对通行路径中是否存在省界门架的交易信息；是则，判断外省进入车辆并进行预警信息推送；否则，结束预警流程；
[0068]
步骤7，针对非etc车辆，通过抓拍设备的采集数据提取车辆抓拍车牌进行信息匹配，判断该车辆的车牌信息是否被省界门架上的抓拍设备所识别；是则，判断为外省进入车辆，进行预警信息推送；否则，结束预警流程；
[0069]
步骤8，判断非免征车辆的入口收费站是否为省界收费站；是则，进行预警；否则，结束预警流程；
[0070]
进一步地，步骤1中对高速公路上etc门架、服务区、收费站的位置和拓扑关系使用图理论进行建模，根据高速公路分向行驶以及控制出入的性质，采用加权有向图对其拓扑结构进行建模dg＝《n，l，d》以表示高速公路中的门架拓扑图，n、l、d分别表示路网中的节点、节点之间的连通关系以及道路距离；dg的具体表达式如下：
[0071][0072]
其中，nodei、nodej为高速公路的两个不同节点i和节点j，表示两节点的连通情况且返回其路网距离，inf表示nodei与nodej之间无法直接连通。
[0073]
具体地，高速公路的节点包括收费站、etc门架、服务区；当nodei与nodej连通且节点间路网距离为7632m，则其他节点同理；当nodei与nodej不连通则当nodei＝nodej，则
[0074]
进一步地，多义性路径集合b生成步骤如下：
[0075]
步骤2-1，获取起点o、终点d和终止长度cutoff；
[0076]
步骤2-2，用最短路径法计算起点0和终点d之间最短路径作为最短路径pk，并表示为多个节点且拆分成多条边；
[0077]
步骤2-3，判断当前最短路径的条数k是否小于最大候选路径数k且还有候选最短
路径；是则，执行步骤2-4；否则，执行步骤2-8；
[0078]
步骤2-4，把最短路径pk上除了终点外的每个节点分别作为偏离点；
[0079]
步骤2-5，遍历每个偏离点，并计算获取每个偏离点到终点的最短路径；
[0080]
步骤2-6，对于每个偏离点，将起点到偏离点的路径+偏离点到终点的路径组成新候选路径并加入候选路径集合
[0081]
步骤2-7，判断候选路径集合是否为空集；是则，执行步骤2-8；否则，遍历候选路径集合，并将路径长度小于终止长度数据的路作为最短路径，将最短路径移出候选路径集合并执行步骤2-3；
[0082]
步骤2-8，将找到所有最短路径形成多义性路径集合b。
[0083]
进一步地，步骤3中车辆通行数据包括etc门架通行数据、etc入口数据、etc门架抓拍视频数据和收费站抓拍数据。
[0084]
进一步地，步骤3中基于多源数据融合生成车辆轨迹的步骤如下：
[0085]
步骤3-1，提取etc门架交易数据，按照通行时间进行排序并生成etc门架交易路径tradepath，tradepath表达式如下：
[0086]
tradepath＝{plate，obuid，ta，na}
[0087]
其中，plate为车辆车牌号；obuid为车载obu信息；ta为交易时间序列，ta＝《ta1，ta2...，tan＞，ta1为第一个交易时间，tan为经过第n个交易时间；na为交易门架序列，na＝《na1，na2...，nan》，na1为车辆上高速交易的第一个节点，nan为车辆交易的第n个节点，即最后一个节点；
[0088]
具体地，tradepath包括车牌号信息、车载obu信息、交易时间序列、交易门架序列。
[0089]
步骤3-2，提取etc门架抓拍数据，按照抓拍时间进行排序并生成etc门架抓拍路径cappath，cappath的表达式如下：
[0090]
cappath＝{plate，vehcolor，reid，tb，nb}
[0091]
其中，plate为车辆车牌号；vehcolor为车辆颜色；reid为抓拍设备抓拍视频后通过车辆重识别系统识别出的车辆唯一标识；tb为抓拍时间序列，tb＝《tb1，tb2...，tbm》，tb1为第一个抓拍时间，tbm为经过第m个抓拍时间；nb为抓拍门架序列，nb＝《nb1，nb2...，nbm》，nb1为车辆上高速抓拍的第一个节点，nn为车辆抓拍的第m个节点，即最后一个节点；
[0092]
具体地，cappath包括车牌号信息、车辆颜色、车辆reid、抓拍时间序列、抓拍门架序列。
[0093]
步骤3-3，将tradepath和cappath进行融合生成fusionpath；fusionpath的表达式如下：
[0094]
fusionpath＝{plate，vehcolor，reid，tc，nc，s}
[0095]
其中，plate为车辆车牌号；vehcolor为车辆颜色；reid为抓拍设备抓拍视频后通过车辆重识别系统识别出的车辆唯一标识；tc为融合轨迹时间序列，tc＝《tc1，tc2...，tck》，tc1为第一个门架通过时间，tck为经过第k个门架的通过时间；nc为通行门架序列，nc＝《nc1，nc2...，nck》，nc1为车辆上高速通行的第一个节点，nck为车辆通行的最后一个节点；s为数据来源序列，s＝《s1，s2...，sk》，s1代表nc1或tc1的数据来源，数据来源为etc门架交易数或etc门架抓拍数据。
[0096]
步骤3-4，将fusionpath和多义性车辆轨迹数据b的路径利用轨迹匹配算法进行轨
迹匹配，匹配出当前车辆的行驶路径，并搭配当前标准轨迹的入口收费站信息以还原车辆入口收费站信息。
[0097]
具体地，当前标准轨迹通过查询由高速公路门架拓扑构建的路网模型得出。
[0098]
进一步地，步骤3-4中将fusionpath和多义性车辆轨迹数据b中的所有路径进行匹配分析，匹配成功后得出入口信息；轨迹匹配算法的具体步骤如下：
[0099]
步骤3-4-1，提取fusionpath中所涉及到的通行节点信息，与多义性车辆轨迹数据b中的路径进行匹配，生成潜在路径集potentialpathset。
[0100]
步骤3-4-2，利用轨迹相似度计算sim(fusionpath，potentialpath)，选取相似度最高的potentialpath。
[0101]
步骤3-4-3，提取potentialpath的入口收费站，作为当前轨迹的入口收费站信息。
[0102]
进一步地，步骤4中免征车辆的出口车辆信息包括车牌信息、passid、车载单元(on board unit，obu)的物理地址(media access control address，mac)、路径信息。
[0103]
进一步地，步骤4中非免征车辆的的出口车辆信息包括车牌信息、passid，入口收费站、入口时间、车载单元(on board unit，obu)的物理地址(media access control address，mac)、路径信息。
[0104]
本发明采用以上技术方案，利用门架etc门架上的rsu设备和抓拍摄像设备，利用对数据进行分析提取，提取经过省界门架的车辆信息，实现省外车辆识别。针对etc通行数据漏检测、误检测、重复检测的情况，基于大数据挖掘、人工智能算法实现对etc交易流水数据、车辆重识别信息、高速公路路网数据等进行多源数据融合实现车辆轨迹还原。将轨迹信息与高速公路路网模型多义性路径进行匹配比对，实现免征车辆入口信息还原。
[0105]
本发明与现有技术相比，具有如下有益效果：1、利用rsu设备和抓拍设备对经过省界门架的车辆进行识别提取，实现省外车辆识别，并生成预警信息在该车辆出高速时，推送至现场防疫人员进行疫情防控。解决了由于省域通行数据无法直接共享，在重大节假日时免征车辆无入口信息，对于省外车辆预警困难的情况。2、基于多源数据融合，利用人工智能算法实现免征车辆的入口信息还原。解决了对于因重大节假日免征车道车辆无入口信息的车辆涉疫情况分析、涉疫车辆预警困难的现状。
[0106]
显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。

技术特征：
1.高速公路假日免征车辆疫情预警及入口信息还原方法，其特征在于：其具体步骤如下：步骤1，获取目标高速公路路网数据构建高速公路路网模型；步骤2，基于深度约束的dijkstra算法获取指定起始节点和中终止点的多义性路径以形成最短多义性路径集合b；步骤3，采集获取车辆通行数据和最短多义性路径集合b，并进行数据筛选和数据融合处理生成车辆轨迹数据；步骤4，对于车辆轨迹数据进行分析，判断当前车辆是否为免征车辆；是则，从免征车辆的通行数据中提取出口车辆信息并进入步骤5；否则，从非免征车辆的通行数据中提取出口车辆信息并进入步骤8；步骤5，通过出口车辆信息判断是否为etc车辆；是则，执行步骤6；否则，执行步骤7；步骤6，针对etc车辆，利用etc车辆通过etc门架的交易数据比对通行路径中是否存在省界门架的交易信息；是则，判断外省进入车辆并进行预警信息推送；否则，结束预警流程；步骤7，针对非etc车辆，通过抓拍设备的采集数据提取车辆抓拍车牌进行信息匹配，判断该车辆的车牌信息是否被省界门架上的抓拍设备所识别；是则，判断为外省进入车辆，进行预警信息推送；否则，结束预警流程；步骤8，判断非免征车辆的入口收费站是否为省界收费站；是则，进行预警；否则，结束预警流程。2.根据权利要求1所述的高速公路假日免征车辆疫情预警及入口信息还原方法，其特征在于：步骤1中对高速公路上etc门架、服务区、收费站的位置和拓扑关系使用图理论进行建模，根据高速公路分向行驶以及控制出入的性质，采用加权有向图对其拓扑结构进行建模dg＝<n,l,d>以表示高速公路中的门架拓扑图，n、l、d分别表示路网中的节点、节点之间的连通关系以及道路距离；dg的具体表达式如下：其中，node
i
、node
j
为高速公路的两个不同节点i和节点j，表示两节点的连通情况且返回其路网距离，inf表示node
i
与node
j
之间无法直接连通。3.根据权利要求1所述的高速公路假日免征车辆疫情预警及入口信息还原方法，其特征在于：多义性路径集合b生成步骤如下：步骤2-1，获取起点0、终点d和终止长度cutoff；步骤2-2，用最短路径法计算起点0和终点d之间最短路径作为最短路径pk，并表示为多个节点且拆分成多条边；步骤2-3，判断当前最短路径的条数k是否小于设定的最大候选路径数k且还有候选最短路径；是则，执行步骤2-4；否则，执行步骤2-8；步骤2-4，把最短路径pk上除了终点外的每个节点分别作为偏离点；步骤2-5，遍历每个偏离点，并计算获取每个偏离点到终点的最短路径；步骤2-6，对于每个偏离点，将起点到偏离点的路径+偏离点到终点的路径组成新候选
路径并加入候选路径集合步骤2-7，判断候选路径集合是否为空集；是则，执行步骤2-8；否则，遍历候选路径集合，并将路径长度小于终止长度数据的路作为最短路径，将最短路径移出候选路径集合并执行步骤2-3；步骤2-8，将找到所有最短路径形成多义性路径集合b。4.根据权利要求1所述的高速公路假日免征车辆疫情预警及入口信息还原方法，其特征在于：步骤3中车辆通行数据包括etc门架通行数据、etc入口数据、etc门架抓拍视频数据和收费站抓拍数据。5.根据权利要求1所述的高速公路假日免征车辆疫情预警及入口信息还原方法，其特征在于：步骤3中基于多源数据融合生成车辆轨迹的步骤如下：步骤3-1，提取etc门架交易数据，按照通行时间进行排序并生成etc门架交易路径tradepath，tradepath表达式如下：tradepath＝{plate，obuid，t
a
，n
a
}其中，plate为车辆车牌号；obuid为车载obu信息；t
a
为交易时间序列，t
a
＝<t
a
1，t
a
2...，t
a
n>，t
a
1为第一个交易时间，t
a
n为经过第n个交易时间；n
a
为交易门架序列，n
a
＝<n
a
1，n
a
2...，n
a
n>，n
a
1为车辆上高速交易的第一个节点，n
a
n为车辆交易的第n个节点，即最后一个节点；步骤3-2，提取etc门架抓拍数据，按照抓拍时间进行排序并生成etc门架抓拍路径cappath，cappath的表达式如下：cappath＝{plate，vehcolor，reid，t
b
，n
b
}其中，plate为车辆车牌号；vehcolor为车辆颜色；reid为抓拍设备抓拍视频后通过车辆重识别系统识别出的车辆唯一标识；t
b
为抓拍时间序列，t
b
＝<t
b
1，t
b
2...，t
b
m>，t
b
1为第一个抓拍时间，t
b
m为经过第m个抓拍时间；n
b
为抓拍门架序列，n
b
＝<n
b
1，n
b
2...，n
b
m>，n
b
1为车辆上高速抓拍的第一个节点，nn为车辆抓拍的第m个节点，即最后一个节点；步骤3-3，将tradepath和cappath进行融合生成fusionpath；fusionpath的表达式如下：fusionpath＝{plate，vehcolor，reid，t
c
，n
c
，s}其中，plate为车辆车牌号；vehcolor为车辆颜色；reid为抓拍设备抓拍视频后通过车辆重识别系统识别出的车辆唯一标识；t
c
为融合轨迹时间序列，t
c
＝<t
c
1，t
c
2...，t
c
k>，t
c
1为第一个门架通过时间，t
c
k为经过第k个门架的通过时间；n
c
为通行门架序列，n
c
＝<n
c
1，n
c
2...，n
c
k>，n
c
1为车辆上高速通行的第一个节点，n
c
k为车辆通行的最后一个节点；s为数据来源序列，s＝<s1，s2...，sk>，s1代表n
c
1或t
c
1的数据来源，数据来源为etc门架交易数或etc门架抓拍数据；步骤3-4，将fusionpath和多义性车辆轨迹数据b的路径利用轨迹匹配算法进行轨迹匹配，匹配出当前车辆的行驶路径，并搭配当前标准轨迹的入口收费站信息以还原车辆入口收费站信息。6.根据权利要求5所述的高速公路假日免征车辆疫情预警及入口信息还原方法，其特征在于：步骤3-4中将fusionpath和多义性车辆轨迹数据b中的所有路径进行匹配分析，匹配成功后得出入口信息；轨迹匹配算法的具体步骤如下：
步骤3-4-1，提取fusionpath中所涉及到的通行节点信息，与多义性车辆轨迹数据b中的路径进行匹配，生成潜在路径集potentialpathset；步骤3-4-2，利用轨迹相似度计算sim(fusionpath，potentialpath)，选取相似度最高的potentialpath；步骤3-4-3，提取potentialpath的入口收费站，作为当前轨迹的入口收费站信息。7.根据权利要求1所述的高速公路假日免征车辆疫情预警及入口信息还原方法，其特征在于：步骤4中免征车辆的出口车辆信息包括车牌信息、passid、车载单元的物理地址、路径信息。8.根据权利要求1所述的高速公路假日免征车辆疫情预警及入口信息还原方法，其特征在于：步骤4中非免征车辆的出口车辆信息包括车牌信息、passid，入口收费站、入口时间、车载单元的物理地址、路径信息。

技术总结
本发明公开高速公路假日免征车辆疫情预警及入口信息还原方法，利用门架ETC门架上的RSU设备和抓拍摄像设备，利用对数据进行分析提取，提取经过省界门架的车辆信息，实现省外车辆识别。针对ETC通行数据漏检测、误检测、重复检测的情况，基于大数据挖掘、人工智能算法实现对ETC交易流水数据、车辆重识别信息、高速公路路网数据等进行多源数据融合实现车辆轨迹还原。将轨迹信息与高速公路路网模型多义性路径进行匹配比对，实现免征车辆入口信息还原。基于多源数据融合，利用人工智能算法实现免征车辆的入口信息还原。本发明解决了对于因重大节假日免征车道车辆无入口信息的车辆涉疫情况分析、涉疫车辆预警困难的现状。涉疫车辆预警困难的现状。涉疫车辆预警困难的现状。


技术研发人员：赖树坤 罗永煜 黄来荣 朱慧先 黄志辉 郭昇平 欧艺欣
受保护的技术使用者：福建省高速公路信息科技有限公司
技术研发日：2023.01.15
技术公布日：2023/7/4