本發(fā)明屬于高速公路收費站管控領域，具體是一種高速公路應急收費方法及系統(tǒng)。

背景技術：

1、當前高速公路收費系統(tǒng)主要依賴電子不停車收費（etc）和人工收費（mtc）兩種模式；

2、然而，在高速路段發(fā)生交通擁堵時，為緩解收費站通行壓力、提升通行效率，部分區(qū)域開始試點或推廣一種基于車牌識別技術的自動扣費系統(tǒng)。該系統(tǒng)無需車輛在收費站停留繳費，而是通過高清攝像頭對通行車輛進行車牌識別，并將識別結果與后臺數(shù)據(jù)庫中的用戶賬戶信息進行匹配，從而實現(xiàn)事后自動扣費。但該系統(tǒng)高度依賴于車牌圖像的識別與比對，缺乏對車輛身份真實性的進一步驗證，導致套牌車輛有機可乘，嚴重擾亂收費秩序的問題。

技術實現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術中存在的技術問題之一；為此，本發(fā)明提出了一種高速公路應急收費方法及系統(tǒng)，用于解決現(xiàn)有高速公路自動扣費系統(tǒng)主要依賴于車牌圖像的識別與比對，缺乏對車輛身份真實性的進一步驗證，導致套牌車輛有機可乘，嚴重擾亂收費秩序的技術問題。

2、為實現(xiàn)上述目的，本發(fā)明的第一方面提供了一種高速公路應急收費方法，包括：

3、獲取目標高速路段的交通信息，分析目標高速路段的路況；

4、其中，交通信息包括車流量和車速；目標高速路段表征被監(jiān)測的高速路段；

5、基于目標高速路段的路況，分析目標收費站需要開通的收費閘口數(shù)；其中，目標收費站為目標高速路段的終點；

6、獲取待通行車輛的車輛圖像；從車輛圖像中提取車輛信息；其中，待通行車輛為當前需要通過目標收費站的車輛；

7、基于車輛信息，分析待通行車輛的實際車牌號碼；基于實際車牌號碼，獲取待通行車輛的通行交易數(shù)據(jù)。

8、優(yōu)選的，所述獲取目標高速路段的交通信息，分析目標高速路段的路況，包括：

9、每隔分析時段，獲取目標高速路段的車輛數(shù)，車輛數(shù)與分析時段的比值，得到分析時段內(nèi)目標高速路段的車流量；

10、以及通過區(qū)間測速攝像頭獲取車輛的行駛速度，計算分析時段內(nèi)所有車輛速度的平均值為目標高速路段的車速；

11、當若干分析時段的車流量均大于閾值一，且車速均小于閾值二，則目標高速路段發(fā)生擁堵；否則，目標高速路段未發(fā)生擁堵。

12、本發(fā)明通過定期即每隔分析時段更新目標高速路段的交通信息，獲取分析時段內(nèi)目標高速路段的實時車流量和實時車速數(shù)據(jù)，分析目標高速路段狀況，通過及時準確地判斷高速路段的擁堵狀況，交通管理部門可以采取相應的措施高速路段應急措施來緩解擁堵，提高交通效率；同時，及時的擁堵判斷也有助于減少因擁堵而引發(fā)的交通事故，提高道路安全性。

13、優(yōu)選的，所述分析目標收費站需要開通的收費閘口數(shù)，包括：

14、獲取目標高速路段上已開通的收費閘口的當前通行量；

15、通過公式k=[q-(ncf-σci)]/cf計算得到目標收費站需要開通的收費閘口數(shù)k；

16、其中，q為目標高速路段的平均車流量，i為開通的收費閘口的序號，i=0,1,…,n，n為正整數(shù)，ci為收費閘口i當前正在通行的通行量，cf為收費閘口單位時間段的通行量，σ對i求和，k取值小于等于k0，k0為收費閘口總數(shù)。

17、優(yōu)選的，所述目標高速路段的平均車流量為若干分析時段的車流量的均值。

18、本發(fā)明通過公式動態(tài)計算目標收費站需要開通的收費閘口數(shù)k，能夠?qū)崟r響應目標高速路段車流量q的變化。當車流量增加時，相應地增加所需開通的收費閘口數(shù)，反之亦然，從而確保收費站的通行能力與車流量相匹配。通過計算得到的最優(yōu)收費閘口數(shù)k，可以避免開通過多的收費閘口導致的資源浪費，同時也能防止因開通閘口數(shù)不足而造成的擁堵。以及合理的收費閘口數(shù)能夠確保車輛快速通過收費站，減少等待時間，提高整體通行效率。

19、優(yōu)選的，所述從車輛圖像中提取車輛信息，包括：

20、將車輛圖像輸入至車輛識別模型中，圖像識別模型輸出車輛信息；其中，車輛圖像包括車輛的車頂圖像和四個側(cè)面圖像；車輛信息包括車牌號碼、車輛的型號和顏色；

21、所述車輛識別模型由人工智能模型構建，構建過程如下：

22、從歷史數(shù)據(jù)中獲取不同類型車輛的車輛圖像和對應的車輛信息；

23、將車輛圖像和對應的車輛信息整合成若干組訓練數(shù)據(jù)和檢驗數(shù)據(jù)；使用訓練數(shù)據(jù)對人工智能模型進行訓練；使用檢驗數(shù)據(jù)對訓練后的人工智能模型進行檢驗，根據(jù)檢驗結果對人工智能模型進行調(diào)整；最終得到輸入為車輛圖像，輸出為車輛信息的車輛識別模型；其中，人工智能模型為bp神經(jīng)網(wǎng)絡模型或者rbf神經(jīng)網(wǎng)絡模型。

24、優(yōu)選的，所述分析待通行車輛的實際車牌號碼，包括：

25、判斷待通行車輛的車牌號碼是否異常；是，則獲取待通行車輛的繳費信息；否，則分析待通行車輛的實際車牌號碼；

26、當待通行車輛的車牌號碼異常時，從上游收費站獲取與待通行車輛同型號和同顏色的車輛，標記為第一車輛，得到第一車輛集合；

27、以及，從目標收費站獲取與待通行車輛相同型號和顏色的車輛，標記為目標車輛，得到目標車輛集合；其中，目標車輛集合包括待通行車輛；

28、將第一車輛的車牌號碼與目標車輛的車牌號碼進行比較；

29、從第一車輛集合中提取與待通行車輛車牌號碼不一致的車輛，標記為異常車輛；

30、若僅存在一輛異常車輛，則異常車輛的車牌號碼為待通行車輛的實際車牌號碼；

31、若存在至少兩輛異常車輛，則從上游收費站和目標收費站獲取各異常車輛的etc記錄，提取僅有上游收費站etc記錄的異常車輛，若僅存在一輛異常車輛，則異常車輛的車牌號碼為待通行車輛的實際車牌號碼；若存在至少兩輛異常車輛，則提取異常車輛和待通行車輛的車輛圖像；

32、將異常車輛與待通行車輛的同面圖像分別進行圖像相似識別，得到同面圖像之間的相似率；其中，圖像相似識別包括顏色識別和缺陷識別等，圖像相似識別的結果由相似識別模型獲得；

33、當每個同面圖像之間的相似率均超過預設相似閾值時，則異常車輛圖像與待通行車輛相似，異常車輛的車牌號碼為待通行車輛的實際車牌號碼。

34、優(yōu)選的，所述判斷待通行車輛的車牌號碼是否異常，包括：

35、基于待通行車輛的車牌號碼，判斷待通行車輛的車輛信息與標準車輛信息是否一致；是，則待通行車輛的車牌號碼正常；否，則待通行車輛的車牌號碼異常；其中，標準車輛信息為從交通車輛管理中心調(diào)取車牌號碼的車輛信息。

36、優(yōu)選的，所述上游收費站為目標高速路段的起點。

37、本發(fā)明通過車輛型號和顏色等多維度信息驗證車牌號碼是否異常，有效降低了誤判和漏判的風險。通過從上游收費站和目標收費站獲取與待通行車輛同型號和同顏色的車輛，并標記為第一車輛集合和目標車輛集合，方法能夠快速定位到可能存在關聯(lián)的車輛，為后續(xù)的比較和分析提供了便利。

38、通過將第一車輛的車牌號碼與目標車輛的車牌號碼進行比較，并提取車牌號碼不一致的車輛作為異常車輛，方法能夠智能地篩選出可能存在問題的車輛，減少了人工排查的工作量；以及，當存在至少兩輛異常車輛時，進一步提取異常車輛和待通行車輛的圖像，并進行圖像相似識別。通過顏色識別和缺陷識別等多維度分析，方法能夠更準確地判斷異常車輛與待通行車輛是否為同一輛車。通過精準識別異常車牌并快速定位實際車牌號碼，有助于防止車輛逃費、套牌等違法行為的發(fā)生，從而增強道路安全性和交通秩序。

39、優(yōu)選的，所述獲取待通行車輛的通行交易數(shù)據(jù)，包括：

40、基于實際車牌號碼，交通車輛管理中心調(diào)取實際車牌號碼的通行交易數(shù)據(jù)；所述通行交易數(shù)據(jù)包括通行里程、車型及交易終端；

41、所述通行交易數(shù)據(jù)包括通行里程、車型及交易終端；

42、所述通行里程和車輛的型號經(jīng)加密后傳輸至結算平臺；所述結算平臺將結算結果發(fā)送至交易終端，所述交易終端進行扣費操作。

43、本發(fā)明通過實際車牌號碼精確調(diào)取通行交易數(shù)據(jù)，確保了數(shù)據(jù)的準確性和完整性。避免了因車牌識別錯誤或信息不匹配導致的數(shù)據(jù)混亂或缺失，為后續(xù)的結算和扣費操作提供了可靠依據(jù)。以及通行里程和車輛型號等敏感數(shù)據(jù)在傳輸至結算平臺前進行加密處理，有效防止了數(shù)據(jù)在傳輸過程中被竊取或篡改的風險，保障了用戶隱私和數(shù)據(jù)安全。此外，結算平臺負責接收加密后的通行里程和車輛型號數(shù)據(jù)，進行費用計算，并將結算結果發(fā)送至交易終端。這種集中處理的方式提高了結算效率，減少了人工干預和錯誤。

44、優(yōu)選的，本發(fā)明第二方面提供了一種高速公路應急收費系統(tǒng)，包括分析模塊和交易模塊；

45、分析模塊：用于獲取目標高速路段的交通信息，分析目標高速路段的路況；

46、基于目標高速路段的路況，分析目標收費站需要開通的收費閘口數(shù)；

47、以及，獲取待通行車輛的車輛圖像；從車輛圖像中提取車輛信息；

48、交易模塊：基于車輛信息，分析待通行車輛的實際車牌號碼；基于實際車牌號碼，獲取待通行車輛的通行交易數(shù)據(jù)。

49、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

50、本發(fā)明分析模塊通過獲取并分析目標高速路段的交通信息，能夠精準判斷路況，并據(jù)此動態(tài)分析目標收費站所需開通的收費閘口數(shù)。這有助于優(yōu)化資源配置，減少擁堵，提高通行效率。在車輛識別環(huán)節(jié)，分析模塊可快速且精準地從待通行車輛圖像中提取車輛信息，敏銳分析車牌號碼異常狀況。當發(fā)現(xiàn)套牌等異常情況時，它會依據(jù)第一車輛集合，即上游收費站同型號同顏色車輛集合和目標車輛集合，即目標收費站同型號同顏色車輛集合，綜合比對分析，精準定位待通行車輛的實際車牌號碼?；趯嶋H車牌號碼，交易模塊能迅速獲取通行交易數(shù)據(jù)，實現(xiàn)快速結算和扣費。這不僅極大提升了用戶體驗，讓用戶享受高效便捷的通行服務，還增強了系統(tǒng)的透明度和可追溯性。尤其在套牌等異常場景下，有效避免了因車牌識別錯誤導致的交易糾紛，維護了正常的交通收費秩序，為高速公路的智能化、精細化管理提供了有力支持。