基于模糊模式识别的车型分类研究

根据目前中国路桥车辆收费标准，提出了一种基于模糊模式识别的车型分类系统。车辆经过环形线圈传感器时，形成感应曲线，提取感应曲线的特征并进行特征分离，利用模糊模式识别方法对车型进行匹配分类。研究结果已在路桥收费系统以及交通流量统计中得到应用。     

论计算机网络技术在高速公路收费系统中的应用

现如今,随着计算机网络技术的不断发展,有必要对现有收费系统进行适当地改造和完善,这有利于提高系统的整体效率,将计算机网络技术应用到高速公路收费系统当中无疑是最佳选择。基于此点,本文首先分析了高速公路收费系统的现状,进而阐述了高速公路收费系统的特点,并在此基础上对计算机网络技术在高速公路收费系统中的具体应用展开研究。期望通过本文的研究能够高速公路收费系统的工作效率给予一定帮助。     

高速公路自动收费系统日常维护

近年来,随着高速公路通车里程的快速增长,其在路网中的重要性日益突出。在这种情况下,采用非现金方式支付通行费,利用先进的电子手段,使车辆不需要停车就能收取通行费的系统就成为迫切的需要。针对目前的现状,采用车载识别卡与收费车道自动车辆识别系统,通过无线电波实现车辆自动识别和数据交换,并由计算机系统控制指挥车辆通行。利用计算机系统控制的高速公路自动收费系统,有效的提高了收费效率,但对于高速公路自动化收费系统的维护也提出了更高的要求。     

一种基于环形线圈和轴载检测器的车型判别法

自动车型识别、判别超载超重车辆对于高速公路的收费和管理有着很现实的意义.本文介绍了一种由环形线圈和压力传感器组合的车型识别系统,采用模糊模式识别方法实现车型判别和轴载检测,能有效提高车型识别精度.     

基于超声波测距及BP神经网络的车型识别

车型识别在高速公路收费、停车收费、城市道路监控等诸多领域有着广泛的应用。针对传统车型识别系统存在的识别效率低、结构复杂、安装难度大等问题,提出并实现了一种基于超声波测距及BP神经网络的车型识别系统。该系统以嵌入式微处理器、485总线为核心,运用超声波测臣实现对车辆外形尺寸的检测,并从中提取表征车型的四个参数,通过BP神经网络对所获取的参数进行自动分类识别。实验结果表明,该方法车型识别的正确率在95%以上。     

基于深度学习的高速公路收费车辆分类研究

为增强高速公路收费车辆分类的实时性和准确性,对比分析了SSD、YOLO和Faster R-CNN图像识别算法的优缺点,提出了一种结合MixUp数据增强、Focus网络结构和CIOU损失函数的高速公路收费车辆分类方法,对门架高清摄像机抓拍的图像进行识别和分类,在京港澳高速公路数据集上进行验证。结果表明：YOLO模型系列中的YOLOv3模型对于收费车辆分类的平均准确率超过了Faster R-CNN和SSD模型,并且在使用了MixUp数据增强、Focus网络结构和CIOU损失函数时平均准确率达到了92.04%,FPS为22.8。进行消融实验,使用MixUp数据增强后,模型精度提高了0.62%;使用Focus网络结构后,模型FPS提高了1.4;使用CIOU损失函数后,模型精度提高0.28%。由此说明,改进后的YOLOv3模型在高速公路收费车辆分类中可以准确、实时地实现收费车辆分类,为高速公路智能收费系统提供技术支撑。     

高速公路通行自动收费系统

该系统主要用于高速公路通行的自动收费。它采用非接触式IC卡存储数据，能够自动判别各类车辆的收费标准、计算应收费额并卡基支付。该系统通过通讯控制口自动控制收费关卡门禁的所有物理设备，从而最大限度的减少了人工干预，提高了收费关卡通行的车辆流量，有效的控制了收费过程中由于人工干预可能产生的舞弊行为。     

高速公路电子不停车收费系统国内外发展现状研究

在我国随着用户拥有车辆的增多,高速公路的交通拥堵情况也越来越严重,迫切需要寻找快捷的收费方式解决收费站收费效率低的现状.电子不停车收费系统已经成了目前世界上最先进的路桥收费方式,无需用户停车缴费,只需在车上安装电子标签,车辆就可以自由通行,因此研究高速公路电子不停车收费系统成了目前国内外交通行业的热点,文章就电子不停车收费的几个关键技术对国内外的发展现状做了分析和比较.     

论RFID技术在高速公路电子ETC系统的应用研究

针对我国90%以上的高速公路收费方式采用人工收费或者半自动收费方式的现状。研究并设计了基于RFID技术综合计算机网络实现ETC系统,详细介绍了最新的ETC系统解决方案,最终很好的解决了我国道路发展的瓶颈问题,实现了车辆运行的高效化,环保化,降低了管理成本。     

澳大利亚:用视觉系统实现车辆自动收费

目前,一套新的视觉系统已被应用于澳大利亚昆士兰州的车辆自动收费系统项目中,这一系统具有车辆光学检测、分类以及车辆牌照自动识别功能。收费将通过车辆挡风玻璃上安装的应答器或针对高速行驶车辆的车牌识别系统来进行,所需费用随即会在车主事先注册好的账户中被扣除。     

高速公路自动收费,监控系统

介绍高速公路自动收费，监控系统的设计思想，系统结构及车道收费机的日常作业等３个功能模块并概括地了监控系统的硬件组成，系统采用红外动态差分技术及专家系统判别车型，利用ＮＯＶＥＬＬ网进行数据通讯。     

几个智能化产品成功应用的实例

<正>传感器在斯德哥尔摩、伦敦及新加坡的应用传感器能够通过收取拥堵费帮助城市减少交通拥堵(并获得额外收入)。例如,斯德哥尔摩和伦敦将拥堵的城市中心划为额外收费区,车辆进入这些地段将收取额外费用。通行费的收取采用电子收费或自动牌号识别的方法,由此避免了司机在传统收费站停车缴费所导致的排队和时间延误。新加坡则更走在了前面,启动了动态道路收费系统,能够实时调整费用。     

华硕双子星RS704D-E6／PS8

众所周知．按照空间占用多少收取托管费用是绝大多数数据中心的收费方式．占用空闻越多收取费用也就相应增减，在IT成本不断激增的今天，我们是从而削减计算成本？双子星系统的出现为我们提供了新的选择。     

一种应用神经网络技术的车型识别仪

介绍一种新研制的公路收费车型识别仪, 该设备利用环型线圈磁感应技术检测车辆特征信号, 经预处理后由人工神经网络识别车型, 并从标准２３２ 串口输出相应的费额代码。     

一种应用神经网络的车型识别仪

介绍一种新研制的公路收费车型识别仪、该设备利用环型线圈磁尖检测车辆特征信号，经一 工神经网络识别车型，并从标准２３２串口输出相应在的费额代码。     

激光雷达和图像检测的高速公路自动收费系统

为解决高速公路收费系统在实际应用过程中车辆检测精度与实时性差等问题，设计激光雷达和图像检测的高速公路自动收费系统。清分中心利用激光雷达数据和图像融合检测算法检测高速公路上车辆，通过N-Message时钟同步周期算法为系统提供统一的时间规范，实现系统内时间一致。收费中心与收费分中心管理所属区域内的收费业务，并将清分中心设定的系统配置参数发送至下级单元。收费站单元在收费分中心管理下实现车道收费，并监控车道收费情况。该系统在实际应用过程中车辆检测平均精度值最高达到85%以上，检测时间为0.066 s。     

基于深度卷积神经网络的车型识别研究

近年来,深度学习中的卷积神经网络已经广泛运用于图像识别领域,它不仅显著提升了识别准确率,同时在特征提取速度方面也优于许多传统方法。本文针对高速公路环境下的车型识别问题,引入卷积神经网络（CNNs）理论,设计相应特征提取算法,并结合SVM分类器构建识别系统。通过对高速公路上主要三种车型（小车、客车、货车）的分类实验显示,本文方法在识别精度及速度上均取得较显著的提高。     

基于收费数据的交通拥堵初发点计算

目前,在高速公路发生拥堵后,如何利用海量收费数据快速准确地得到高速公路交通拥堵初发点,仍然缺少满意的解决方案。经过对湖南省高速公路收费数据检索,提取出车辆出入站时刻、行车时间和车型等相关交通特征参数,依据这些参数特点,提出了一种计算相邻两收费站之间的交通拥堵初发点的计算方法。该方法通过选取同路段上的快、慢2种车型建立方程组,然后根据分析收费数据提取相应的变量代入方程组中,从而计算得出拥堵初发点信息。结果表明,该方法可以有效地计算得出相邻两个收费站之间路段上的拥堵初发点位置和初发时刻。对今后出行服务,运行效率评估和交通组织管理等具有重要的现实意义。     

基于改进的模糊C均值的BP分类器设计

提出了一种基于改进模糊C均值的BP神经网络分类器的设计,通过改进的模糊C均值算法对大量的数据进行聚类划分,然后设计BP神经网络对划分后的数据进行训练和测试,最后由计算机进行综合判断.试验证明该分类器是有效的,可以对高速公路车辆的车型进行迅速判别.     

智能收费系统关键技术研究及实现

不停车电子自动收费系统是提高高速公路车辆通过率的关键技术设备之一。文章论述了智能收费系统的构成原理和关键技术，着重讨论了射频技术、网络通信、计算机视觉和系统管理等技术方法的应用概况，提出了一套具体的解决不停车自动收费系统的方案，对发展智能收费技术有一定的参考意义。