一种云计算的高速公路ETC收费数据管理分析方法
本发明涉及高速公路ETC收费数据管理技术领域，具体公开一种云计算的高速公路ETC收费数据管理分析方法，该方法包括当前收费信息采集、收费站当前拥挤度分析、待调度车辆信息采集、收费站信息采集、历史收费数据提取和车辆调度分析确认；本发明通过计算目标收费站当前的拥挤度，并当拥挤度大于设定值时结合待调度车辆信息、收费站信息和历史收费数据计算调度适配度，从而进行车辆调度，降低了车辆调度分析中存在的误差性，提高了车辆调度分析的综合性和说服力，同时为车辆调度适配结果确认提供了更加稳固的支撑依据，提高了高速公路的通行效率，并减少了交通拥堵，从而实现了车辆调度的优化。
发明专利
CN202311263182.7
2023-09-27
CN117197913A
2023-12-08
G07B15/06(2011.01)
辽宁艾特斯智能交通技术有限公司
曲喆
110000 辽宁省沈阳市和平区南京南街197号3-4层
合肥集知匠心知识产权代理事务所(普通合伙)
王丽丽
辽宁;21
1.一种云计算的高速公路ETC收费数据管理分析方法，其特征在于，包括如下步骤： S1、当前收费信息采集：将目标高速公路对应目标收费站的各关联高速路段记为各目标高速路段，采集各目标高速路段当前的车辆数目，并采集目标收费站当日的累计收费数据； S2、收费站当前拥挤度分析：分析目标收费站当前的拥挤度，当目标收费站当前的拥挤度大于设定值，则执行S3步骤； S3、待调度车辆信息采集：将驶入各目标高速路段的各路段记为各驶入路段，将各驶入路段内的各车辆记为各待调度车辆，采集各待调度车辆的当前位置和目标驶往位置； S4、收费站信息采集：将目标收费站的各邻近收费站记为各可调度收费站，将各可调度收费站的各关联高速路段记为各监测高速路段，将驶入各监测高速路段的各路段记为各驶入监测路段，采集各可调度收费站对应各监测高速路段的当前存在的车辆数目，分析各待调度车辆行驶至各可调度收费站的预估时长和在其预估时长内各可调度收费站的预计汇入车辆数目； S5、历史收费数据提取：提取各可调度收费站内的ETC通道在历史各年限当前所处月份内各通行日的ETC收费次数和各次ETC收费的时间点； S6、车辆调度分析确认：计算各可调度收费站在当前所处月份的容纳度，进而分析各待调度车辆对应各可调度收费站的调度适配度，并将各待调度车辆对应最大调度适配度的可调度收费站作为其最优收费站。 2.根据权利要求1所述的一种云计算的高速公路ETC收费数据管理分析方法，其特征在于：所述当日的累计收费数据包括各累计收费车辆的收费完成时间点以及感应时间点。 3.根据权利要求2所述的一种云计算的高速公路ETC收费数据管理分析方法，其特征在于：所述分析目标收费站当前的拥挤度，具体分析过程为： A1、将各目标高速路段当前的车辆数目进行累加，得到目标高速公路对应目标收费站的目标高速路段当前的车辆总数目，记为ε； A2、从当日的累计收费数据中提取各累计收费车辆的收费完成时间点以及感应时间点，并将其进行对比，得到各累计收费车辆的收费时长，记为Ti，其中，i表示累计收费车辆的编号，i＝1,2,...,n； A3、计算目标收费站当前的收费顺畅度δ，其中，T′和ΔT分别表示设定参照的收费时长和收费时长偏差； A4、计算目标收费站当前的拥挤度φ， 其中，δ′和ε′分别表示设定参照的收费顺畅度和车辆总数目，a1和a2分别表示设定的收费顺畅度和车辆总数目对应拥挤度评估占比权重，γ1表示设定的拥挤度评估修正因子。 4.根据权利要求1所述的一种云计算的高速公路ETC收费数据管理分析方法，其特征在于：所述计算各可调度收费站在当前所处月份的容纳度，具体计算过程为： B1、将各可调度收费站内的ETC通道在历史各年限当前所处月份内各通行日的ETC收费次数进行累加，得到各可调度收费站内的ETC通道在历史各年限对应当前所处月份的总收费次数，记为τjg，其中，j表示可调度收费站的编号，j＝1,2,...,m，g表示历史各年限的编号，g＝1,2,...,p； B2、将各可调度收费站内的ETC通道在历史各年限当前所处月份的总收费次数进行相互对比，统计各总收费次数对应历史年限数目，并将历史年限数目最多的总收费次数，作为参照收费次数，并记为同时将参照收费次数的历史年限数目记为τ′j； B3、计算各可调度收费站当前所处月份的预估总收费次数其中，p表示历史年限总数； B4、计算各可调度收费站当前所处月份的繁忙指数βj； B5、根据各可调度收费站内的ETC通道在历史各年限当前所处月份内各通行日的各次ETC收费时间点，计算各可调度收费站当前所处月份的工作处理效率指数χj； B6、计算各可调度收费站当前所处月份的容纳度ψj， 其中，β′和χ′分别表示设定参照的繁忙指数和工作处理效率指数，a3和a4分别表示设定的繁忙指数和工作处理效率指数对应容纳度评估占比权重，e表示自然常数。 5.根据权利要求4所述的一种云计算的高速公路ETC收费数据管理分析方法，其特征在于：所述各可调度收费站当前所处月份的繁忙指数的计算公式为： 其中，τ′当表示设定参照的月份的总收费次数，a5和a6分别表示设定的总收费次数偏差和月份的总收费次数对应繁忙指数评估占比权重。 6.根据权利要求4所述的一种云计算的高速公路ETC收费数据管理分析方法，其特征在于：所述计算各可调度收费站当前所处月份的工作处理效率指数，具体计算过程为： C1、将各可调度收费站内的ETC通道在历史各年限当前所处月份内各通行日的各次ETC收费的时间点进行作差，得到各可调度收费站内的ETC通道在历史各年限当前所处月份内各通行日对应各次ETC收费的间隔时长； C2、若某可调度收费站内的ETC通道在历史各年限当前所处月份内某通行日对应某次ETC收费的间隔时长大于设定值，则判定该次ETC收费为延迟收费，统计各可调度收费站内的ETC通道在历史各年限当前所处月份内各通行日的延迟收费次数，并将其进行累加，进而得到各可调度收费站在历史当前所处月份的延迟收费总次数，记为 C3、将各可调度收费站在历史当前所处月份的各次延迟收费时间差与设定超出延误时长进行对比，若某次延迟收费时间差大于设定超出延误时长，则判定该次延迟收费为超出延误收费，统计各可调度收费站在历史当前所处月份的超出延迟收费总次数，记为 C4、计算各可调度收费站当前所处月份的工作处理效率指数 其中，K1和K2分别表示设定参照的延迟收费总次数占比和超出延迟收费总次数占比，a7和a8分别表示设定的延迟收费总次数占比和超出延迟收费总次数占比对应工作处理效率评估占比权重。 7.根据权利要求4所述的一种云计算的高速公路ETC收费数据管理分析方法，其特征在于：所述分析各待调度车辆对应各可调度收费站的调度适配度，具体分析过程为： D1、从云数据库中提取各可调度收费站的位置； D2、将各待调度车辆的当前位置与各可调度收费站的位置进行对比，得到各待调度车辆的当前位置与各可调度收费站的位置之间的距离，记为Lrj，其中，r表示待调度车辆的编号，r＝1,2,...,f； D3、将各待调度车辆的目标驶往位置与各可调度收费站的位置进行对比，得到各待调度车辆的目标驶往位置与各可调度收费站的位置之间的距离，记为ηrj； D4、计算各待调度车辆对应各可调度收费站的距离层面的调度适配度 D5、根据各可调度收费站对应各监测高速路段的当前存在的车辆数目和各待调度车辆在其预估时长内各可调度收费站的预计汇入车辆数目,计算各可调度收费站的车流量层面的调度适配度ωj； D6、计算各待调度车辆对应各可调度收费站的调度适配度θrj, 其中，ψ′表示设定参照的容纳度，b1、b2和b3分别表示设定的容纳度评估、距离层面和车流量层面对应调度适配度评估占比权重。 8.根据权利要求7所述的一种云计算的高速公路ETC收费数据管理分析方法，其特征在于：所述各待调度车辆对应各可调度收费站的距离层面的调度适配度的计算公式为： 其中，b4和b5分别表示设定的当前距离和目标驶往距离对应距离层面的调度适配度评估占比权重，γ2表示设定的距离层面的调度适配度评估修正因子。 9.根据权利要求7所述的一种云计算的高速公路ETC收费数据管理分析方法，其特征在于：所述计算各可调度收费站的车流量层面的调度适配度，具体计算过程为： E1、将各可调度收费站对应各监测高速路段的当前存在的车辆数目和各待调度车辆行驶至各可调度收费站的预估时长内各可调度收费站的预计汇入车辆数目进行对应累加，得到各可调度收费站当前存在车辆总数目和预计汇入车辆总数目，并分别记为σj和μj； E2、计算各可调度收费站的车流量层面的调度适配度ωj， 其中，σ′和μ′分别表示设定参照的当前存在车辆数目和预计汇入车辆数目，b6和b7分别表示设定的当前存在车辆数目和预计汇入车辆数目对应车流量层面的调度适配度评估占比权重，γ3表示设定的车流量层面的调度适配度评估修正因子。