一种应用于治超非现场执法系统的车辆信息匹配方法与流程

1.本发明属于交通信息化领域，涉及一种应用于治超非现场执法系统车辆信息匹配方法。


背景技术：

2.治超非现场执法系统作为公路治超的主要手段，在科技治超中发挥着重要作用，治超非现场执法系统可通过不同的外设组合完成对车辆超载超限信息的获取，同时完成对车辆执法证据的收集，在车辆通过其检测区域，可获取车辆的车牌信息、车辆重量、车辆类型，车辆轴数，车辆长宽高数据等，对相应数据进行匹配，即可获取车辆完整信息，为执法提供依据；而现有的治超非现场执法系统数据匹配方法通过对单一设备采集信息进行完全信任，车牌信息仅由抓拍摄像机单一确定，车重信息仅由称重设备单一确定，车型信息仅由车侧摄像机或轮廓识别设备单一确定，轴数信息仅由称重系统单一确定；然而各个设备自身对相关信息的识别均存在识别错误的概率，车辆信息就会发生错误，无法识别，导致执法证据失效，引起纠纷。


技术实现要素：

3.本发明的目的是针对现有治超非现场执法系统车辆信息匹配方法存在的问题，提供一种车辆信息匹配方法，解决治超非现场执法系统中车辆信息匹配的准确度问题和错误信息识别的问题。
4.本发明采用的技术方案是：一种应用于治超非现场执法系统的车辆信息匹配方法，其特征在于，针对非现场执法系统中不同外设数据建立不同外设数据采集组，进行信息冗余采集，根据各自外设特点，对车辆信息的具体项进行默认置信度设置，并生成默认匹配序列，然后对车辆信息的具体项根据默认匹配序列逐一对其余信息进行信息匹配串联，形成串联信息组，并对其中各串联信息串进行置信度计算，选择置信度最高的串联信息串，计算去除重复信息后，形成车辆完整匹配信息，并通过对车辆信息的置信度计算，判断信息自身准确性。
5.具体实施步骤如下：
6.(一)建立不同外设数据采集组
7.摄像机数据采集组包括：车头车牌号、车侧车牌号、车尾车牌号、摄像机车型：由侧向摄像机识别的车辆类型；
8.称重数据采集组包括：车辆重量、车辆轴数、称重车型：由称重系统识别的车辆类型；
9.轮廓识别设备数据采集组包括：轮廓信息：包括车辆的长宽高、轮廓车型：由轮廓激光器识别的车辆类型；
10.(二)设置默认置信度
11.具体置信度如下：车头车牌号，车侧车牌号，车尾车牌号，摄像机车型，车辆重量，
车辆轴数，称重车型，轮廓信息，轮廓车型；根据置信度排序，按照默认置信度从低到高进行排序，如果置信度相同，则按照在应用场景下信息的重要性进行排序，当前治超场景下,重要性排序为：重要性排序为：车牌信息《车型信息《车轴信息《轮廓信息《重量信息，生成默认匹配序列，其中车牌信息包括：车头车牌号，车侧车牌号，车尾车牌号；车型信息包括：摄像机车型，称重车型；轮廓信息包括：轮廓信息、轮廓车型；重量信息指车辆重量；车轴信息指车辆轴数；车辆信息包括车牌信息、车型信息、轮廓信息、重量信息、车轴信息；
12.(三)信息匹配串联
13.建立车辆信息因素关系列表，以单一信息为基准，按照默认匹配序列顺序逐一对其余信息进行信息匹配串联，匹配规则为：先在关系列表中进行查询，不具备相关性则直接将串联标记置反进行串联；具备相关性则进行规则判断，符合规则串联标记为正并直接串联；如若不符合规则，则将串联标记置反进行串联，形成以基准信息为串首的串联信息串，将每一个单一信息作为基准信息按照上述规则依次循环匹配，形成串联信息组；
14.(四)置信度计算
15.串联信息组内的每个串联信息串将按照以下规则进行计算：
16.串联信息串串首信息默认标记为正，其自身置信度为m，依次串联其他信息，假设串联信息为mn，根据mn串联标记进行计算，串联标记为正，置信度上升m+＝m+(1-mn)*m，串联标记为反，置信度下降，m-＝m*(1-mn)，将计算结果m+或m-赋予m，然后对信息串中后续信息依次进行计算，获取当前信息串置信度；
17.依次对串联信息组中各信息串进行计算，获取各个串联信息串的信息串置信度，将其置信度最高的串联信息串确定为最终信息串；
18.(五)重复信息二次循环计算
19.将最终信息串与车辆信息进行数据对比，对最终信息串中的重复信息进行二次循环计算，计算方法为，首先将重复信息以车辆信息类别分别成组，其次去除各组中串联标记为反的项，最后对各组再次执行步骤三和步骤四，各组步骤四生成的最终信息串，其置信度结果为各组重复信息对应车辆的最终置信度，其基准信息的信息内容为各组重复信息对应车辆信息的最终信息内容；至此，最终信息串完成车辆信息匹配，然后根据串联标记对车辆信息数据置信度进行综合计算，确定车辆信息总体置信度，根据置信度预设阈值完成信息准确性判断。
20.对步骤一不同外设数据采集组的信息都进行置信度默认，根据信息获取的主要设备的长期统计概率及其场景重要性进行默认，场景重要性根据应用场景侧重点可进行调整，上述过程仅为一种示例。
21.建立基础信息因素关系列表的规则如下：
22.(1)车辆重量》10t，车辆牌照颜色为黄色；
23.(2)车辆类型为大货车类型，理论上不可能为蓝色牌照；
24.(3)货车具备对应的标准尺寸规格，一般不超过相关尺寸，例如三轴货车标准尺寸规格，理论不能超过(12000，2500，4000)；
25.(4)车型与轴数直接对应，1代表单轮单轴，2代表双轮单轴，5代表双联轴，7代表三联轴，如15，即为1个单轴和1个2连轴，为3轴车；
26.(5)3轴以上车辆理论上没有蓝色牌照。
27.与传统方法相比，本发明的优点：
28.数据采集包含系统各个外设的数据，并根据各个外设自身特性进行置信度认定，各自信息准确性是其在应用场景中的重要性及自身置信度体现，车辆信息数据置信度由多个外设关联性数据综合识别，不被单一设备故障干扰，具备自动纠错能力，容错性更高，车辆信息由置信度最高的序列合成，合成数据准确信高，同时对数据总体置信度可进行阈值评判，识别异常数据。
附图说明
29.图1是非现场执法系统单道示意图。
具体实施方式
30.以下结合附图对本发明进行完整的说明，很明显附图仅为本发明应用的一种应用形式，并不是全部应用。
31.参见附图1，非现场执法系统如图所示，l型杆l1上为车尾抓拍摄像机，l型杆l3为车辆轮廓宽高检测设备，l型杆l2上为车头抓拍摄像机、车侧抓拍摄像机及车辆轮廓长检测设备，l2下方中间地面上为称重系统，检测车辆通过检测区域并获取相关信息；
32.参见附图1，检测车辆以三轴货车为例，货车重量20t，货车车牌黄陕12345，货车轮廓信息(长9020，宽2480，高2840)mm，车型15型货车，货车通过检测区域。
33.以单道货车通过为例每个过程具体实施步骤如下：
34.1)数据采集：车辆通过检测区域，车头摄像机，车侧摄像机，车尾摄像机进行车牌抓拍，并识别车牌，车侧摄像机获取摄像机车型；同时称重系统称取车辆重量，获取车辆轴数，称重车型；轮廓设备检测车辆轮廓信息，同时获取轮廓车型；
35.假定最终结果如下：
[0036][0037]
2)置信度默认：主要信息的置信度根据信息获取的主要设备的长期统计概率进行默认，对相应设备相应信息进行置信度确定。假定具体置信度如下：
[0038][0039]
根据置信度情况，当前应用场景，置信度相同情况下，重要性排序：车牌信息《车型信息《车轴信息《车辆轮廓信息《车辆重量信息，根据置信度高低及重要性情况，其默认匹配序列为：
[0040][0041]
3)信息匹配：建立基础信息因素关系列表，具体关联性规则如下：
[0042]
■
车辆重量》10t，车辆牌照颜色为黄色；
[0043]
■
车辆类型为大货车类型理论不可为蓝色牌照；
[0044]
■
货车具备对应的标准尺寸规格，一般不超过相关尺寸，例如三轴
[0045]
货车标准尺寸规格，理论不能超过(长12000，宽2500，高4000)；
[0046]
■
车型与轴数直接对应，1代表单轮单轴，2代表双轮单轴，5代表双联轴，7代表三联轴，如15，即为1个单轴和1个2连轴，为3轴车。
[0047]
■
3轴以上车辆理论没有蓝色牌照；
[0048]
■
重复信息直接进行相等判断，相等即为符合。
[0049]
对照关联性规则，按照默认匹配序列进行匹配，不具备相关性则直接将串联标记置反进行串联；如相应信息存在对应关系列表中因素关联性规则，则进行规则判断，符合规则串联标记为正并直接串联；如若不符合，则将串联标记置反进行串联。最终信息组如下，其中灰色单元为各串联信息串的串首信息；
[0050][0051]
4)数据置信度计算，对形成的串联信息组进行置信度计算，信息串自身总置信度由串联信息中信息的串联标记进行计算，串联标记为正，置信度上升m+＝m1+(1-m1)*m2，串
联标记为反，置信度下降，m-＝m1*(1-m2)，信息串中信息依次进行计算。依1号信息串为例，1号信息串置信度计算如下：
[0052]
基准信息为车尾车牌，车尾车牌置信度为70％，则基准置信度为70％，根据默认匹配序列顺序，默认匹配序列第一个信息依然为车尾车牌，为符合项，则计算置信度为70％(基准置信度)+(1-70％(基准置信度))*70％(车尾车牌)＝91％，摄像机车型与之符合则计算置信度为91％+(1-91％)*80％(摄像机车型))＝98.2％；车侧车牌与之不符合则置信度为98.2％*(1-90％)＝9.82％；依次循环，1号信息串置信度为：3.9999494992％。
[0053]
依照1号信息串计算过程，依次计算2-9号信息串，信息组最终计算结果如下：
[0054]
13.9999494992％23.9994455328％30.0000507024％43.8479450864％599.9999495765％63.9994455832％73.9999495832％896.0074403192％93.9999495866％
[0055]
其中最高的最终信息串为5号信息串；
[0056]
5)数据匹配：根据5号信息串内的信息进行数据匹配，匹配内容为(车牌，重量，轮廓，车型)，其中车牌，车型信息还存在重复，对重复项进行第二次循环，去除标记为反的信息后，两个重复组如下：
[0057][0058][0059]
其中车牌信息相同，置信度计算后为98.8％；车型信息相互之间匹配规则唯一，为重复符合；默认匹配序列为下，各车型信息匹配顺序如下：
[0060]
[0061]
其置信度计算结果为：95.48％，4.59％，95.495％；所以最终匹配信息结果为：
[0062]
车牌车型车轴轮廓信息重量+++++98.80％95.495％93％96.00％96.00％黄陕a1234515型货车3轴9120，2490，284019.8t
[0063]
其置信度为99.99999394528％，假设设定置信度阈值为80％，则这条数据为准确数据。
[0064]
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

技术特征：
1.一种应用于治超非现场执法系统的车辆信息匹配方法，其特征在于，针对非现场执法系统中不同外设数据建立不同外设数据采集组，进行信息冗余采集，根据各自外设特点，对车辆信息的具体项进行默认置信度设置，并生成默认匹配序列，然后对车辆信息的具体项根据默认匹配序列逐一对其余信息进行信息匹配串联，形成串联信息组，并对其中各串联信息串进行置信度计算，选择置信度最高的串联信息串，计算去除重复信息后，形成车辆完整匹配信息，并通过对车辆信息的置信度计算，判断信息自身准确性。2.根据权利要求1所述的车辆信息匹配方法，其特征在于，具体实施步骤如下：(一)建立不同外设数据采集组摄像机数据采集组包括：车头车牌号、车侧车牌号、车尾车牌号、摄像机车型：由侧向摄像机识别的车辆类型；称重数据采集组包括：车辆重量、车辆轴数、称重车型：由称重系统识别的车辆类型；轮廓识别设备数据采集组包括：轮廓信息：包括车辆的长宽高、轮廓车型：由轮廓激光器识别的车辆类型；(二)设置默认置信度具体置信度如下：车头车牌号，车侧车牌号，车尾车牌号，摄像机车型，车辆重量，车辆轴数，称重车型，轮廓信息，轮廓车型，根据置信度排序，按照默认置信度从低到高进行排序，如果置信度相同，则按照在应用场景下信息的重要性进行排序，当前治超场景下,重要性排序为：重要性排序为：车牌信息<车型信息<车轴信息<轮廓信息<重量信息，生成默认匹配序列，其中车牌信息包括：车头车牌号，车侧车牌号，车尾车牌号；车型信息包括：摄像机车型，称重车型；轮廓信息包括：轮廓信息、轮廓车型；重量信息指车辆重量；车轴信息指车辆轴数；车辆信息包括车牌信息、车型信息、轮廓信息、重量信息、车轴信息；(三)信息匹配串联建立车辆信息因素关系列表，以单一信息为基准，按照默认匹配序列顺序逐一对其余信息进行信息匹配串联，匹配规则为：先在关系列表中进行查询，不具备相关性则直接将串联标记置反进行串联；具备相关性则进行规则判断，符合规则串联标记为正并直接串联；如若不符合规则，则将串联标记置反进行串联，形成以基准信息为串首的串联信息串，将每一个单一信息作为基准信息按照上述规则依次循环匹配，形成串联信息组；(四)置信度计算串联信息组内的每个串联信息串将按照以下规则进行计算：串联信息串串首信息默认标记为正，其自身置信度为m，依次串联其他信息，假设串联信息为mn，根据mn串联标记进行计算，串联标记为正，置信度上升m+＝m+(1-mn)*m，串联标记为反，置信度下降，m-＝m*(1-mn)，将计算结果m+或m-赋予m，然后对信息串中后续信息依次进行计算，获取当前信息串置信度；依次对串联信息组中各信息串进行计算，获取各个串联信息串的信息串置信度，将其置信度最高的串联信息串确定为最终信息串；(五)重复信息二次循环计算将最终信息串与车辆信息进行数据对比，对最终信息串中的重复信息进行二次循环计算，计算方法为，首先将重复信息以车辆信息类别分别成组，其次去除各组中串联标记为反的项，最后对各组再次执行步骤三和步骤四，各组步骤四生成的最终信息串，其置信度结果
为各组重复信息对应车辆的最终置信度，其基准信息的信息内容为各组重复信息对应车辆信息的最终信息内容；至此，最终信息串完成车辆信息匹配，然后根据串联标记对车辆信息数据置信度进行综合计算，确定车辆信息总体置信度，根据置信度预设阈值完成信息准确性判断。3.根据权利要求2所述的车辆信息匹配方法，其特征在于，对步骤一不同外设数据采集组的信息都进行置信度默认，根据信息获取的主要设备的长期统计概率及其场景重要性进行默认，场景重要性根据应用场景侧重点进行调整。4.根据权利要求2所述的车辆信息匹配方法，其特征在于，建立基础信息因素关系列表的规则如下：(1)车辆重量>10t，车辆牌照颜色为黄色；(2)车辆类型为大货车类型，理论上不可能为蓝色牌照；(3)货车具备对应的标准尺寸规格；(4)车型与轴数直接对应，1代表单轮单轴，2代表双轮单轴，5代表双联轴，7代表三联轴；(5)3轴以上车辆理论上没有蓝色牌照。

技术总结
本发明公开了一种应用于治超非现场执法系统的车辆信息匹配方法，非现场执法系统需要的车辆数据包括，车辆车牌，车辆轮廓信息，车辆重量信息，车辆车型，车辆轴数等数据，主要涉及称重系统，车牌识别系统，车辆轮廓识别系统，本发明针对非现场执法系统中不同外设数据进行匹配的问题，建立不同外设数据采集组，进行信息冗余采集，根据各自外设特点，设定默认置信度，根据各自数据中的匹配关系，完成置信度优化，确定相应信息的置信度序列，串联最优置信度数据队列，形成车辆最高置信度序列组合，提高车辆信息的匹配准确性。高车辆信息的匹配准确性。高车辆信息的匹配准确性。


技术研发人员：张贝乐 王龙刚 乔继国 赵文 马筱 曹锐 刘佳鑫 霍炳儒
受保护的技术使用者：西安航天三沃机电设备有限责任公司
技术研发日：2022.12.01
技术公布日：2023/5/16