基于人工智能的高速公路绿色通道通行管理方法及系统与流程

本发明涉及交通管理领域，更具体的涉及基于人工智能的高速公路绿色通道通行管理方法及系统。

背景技术：

高速公路鲜活农产品运输绿色通道，最初于1995年组织实施，主要内容为：在收费站设立专用通道，对车辆运输的农产品属于《鲜活农产品品种目录》所规定的品类，给予高速公路减免通行费的优惠政策。

目前国内对于高速公路绿色通道的查验方式主要为人工检查，在部分省界站点部署了检查设备，主要有钴60放射性检测设备和x光成像检测仪，类似设备投资巨大，放射性元素具有一定危险性，无法大面积普及使用。人工查验主要依靠人员的人工判断，通过拍照填表等较为初级的工作流程，工作流程繁琐，工作量较大，而且容易出现误判和违规放行等问题。

随着社会经济建设以及公路交通、物流货运等行业的快速发展，通过“绿色通道”的车辆，无论是在数量上还是减免金额方面都呈现出不断增长的趋势，因此绿通车辆的管理问题，增质提效方面显得尤为重要。

综上所述，随着绿通车辆通行频次的增加以及减免金额的上升，依靠人工和部分设备进行检查，存在速率较低以及误判的问题。

技术实现要素：

本发明实施例提供一种基于人工智能的高速公路绿色通道通行管理方法及系统，用以解决现有的绿色通道车流量较大，因人工和部分设备检查，存在速率较低以及误判，并且没有办法有针对性的重点检查假冒绿通车辆的问题。

本发明实施例提供一种基于人工智能的高速公路绿色通道通行管理方法，包括：当将获取到的待通行车辆的车辆信息与存储系统内的车辆信息匹配成功时，获取到的待通行车辆的信用等级；

根据所述待通行车辆的信用等级，确定所述待通行车辆通过所述绿色通道的方法。

优选地，所述信用等级至少包括差，中，良和优；

所述确定所述待通行车辆通过所述绿色通道的方法，具体包括：

当所述待通行车辆的信用等级为差时，对所述待通行车辆进行重点检查；或者当所述待通行车辆的信用等级为中时，对所述待通行车辆进行一般检查；或者当所述待通行车辆的信用等级为良时，对所述待通行车辆进行快速检查；或者当所述待通行车辆的信用等级为优时，对所述待通行车辆进行免检通行。

优选地，所述确定所述待通行车辆通过所述绿色通道的方法，还包括：

当确定对所述待通行车辆进行一般检查时，设置30％的抽查率；或者

当确定对所述待通行车辆进行快速检查时，设置10％的抽查率；或者

当确定对所述待通行车辆进行免检通行时，设置5％的抽查率。

优选地，所述当将获取到的待通行车辆的车辆信息与存储系统内的车辆信息匹配成功之前，还包括：

当获取到的所述待通行车辆与存储系统内的车辆信息匹配不成功时，获取所述待通常车辆的评估指标，对每个所述评估指标进行归一化处理；

将归一化后的所述评估指标通过bp神经网络算法得到所述待通行车辆的信用状况，根据所述信用状况确定所述待通行车辆的信用等级。

优选地，通过下列公式进行归一化处理：

其中，ni为第i个所述评价指标，max(ni)为第i个所述评价指标中最大值，min(ni)为第i个所述评价指标中最小值。

优选地，所述评估指标包括以下一个或者多个：

待通行车辆的违规通行次数，待通行车辆的正常通行次数，待通行车辆当前免费金额，待通行车辆当前运输货物的种类，所述待通行车辆的大小，所述待通行车辆的类型；

其中，所述待通行车辆的大小包括二轴，三轴和四轴；所述待通行车辆的类型包括封闭式车厢，半封闭式车厢和敞开式车厢。

本发明实施例还提供了一种基于人工智能的高速公路绿色通道通行管理系统，包括数据采集系统，数据查询系统和数据中心系统；

所述数据采集系统用于采集绿色通道上待通行车辆的车辆信息或者评估指标；

所述数据中心系统用于存储所述车辆信息以及评估指标，并根据所述评估指标确定待通行车辆的信用等级；

所述数据查询系统用于查询存储在所述数据中心系统的全部数据。

本发明实施例提供了基于人工智能的高速公路绿色通道通行管理方法及系统，该方法包括：当将获取到的待通行车辆的车辆信息与存储系统内的车辆信息匹配成功时，获取到的待通行车辆的信用等级；根据所述待通行车辆的信用等级，确定所述待通行车辆通过所述绿色通道的方法。该方法针对高速公路绿色通道不断增长的车流量和检测工作量，提出建立车辆信用等级制度，根据待通行车辆的信用等级分级，对待通行车辆进行分级检测，一方面提高了正常车辆、信用等级较高的车辆的通行速率，另一方面减少了绿色通道待通行车辆误判的问题，做到对信用等级差的车辆重点检查，信用等级高的车辆快速放行，达到了高速公路运营单位提质增效、堵漏增收的管理目标。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于人工智能的高速公路绿色通道通行管理方法流程示意图；

图2为本发明实施例一提供的一种基于人工智能的高速公路绿色通道通行管理方法流程示意图；

图3为本发明实施例提供的一种基于人工智能的高速公路绿色通道通行管理系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1示例性的示出了本发明实施例提供的一种基于人工智能的高速公路绿色通道通行管理方法流程示意图，该方法至少可以应用于高速公路收费站。

如图1所示，该方法包括以下步骤：

步骤101，当将获取到的待通行车辆的车辆信息与存储系统内的车辆信息匹配成功时，获取到的待通行车辆的信用等级；

步骤102，根据所述待通行车辆的信用等级，确定所述待通行车辆通过所述绿色通道的方法。

需要说明的时，在该管理方法中，数据中心系统为该方法的执行主体，即对获取到的车辆信息进行数据调取，以及根据车辆信息调取到该通行车辆的信用等级等事件，均是数据中心系统执行的。

在步骤101中，行驶在高速公路上的车辆，在通过收费站时，会根据收费站上的各种指示标识，进入对应的收费通道，比如，收费站上有etc收费通道，绿色通道，本发明实施例所提供的通行管理方法主要适用于高速公路鲜活农产品运输车辆通行的绿色通道。

当车辆行驶至绿色通道时，绿色通道的检查人员需要对待通行绿色通道的车辆进行检查，以确定待通行绿色通道的车辆运输的产品是否属于《鲜活农产品品种目录》所规定的品类，当确定待通行绿色通道的车辆运输的产品符合相关规定，则可以对待通行绿色通道的车辆进行高速公路减免通行费的优惠政策。具体地，在本发明实施例中，绿色通道的检查人员可以通过手持检测设备对待通行绿色通道的车辆进行检查及信息录入、上传，也可以通过设置在绿色通道两侧的检查设备对待通行绿色通道的车辆进行检查。本发明实施例中，对待通行绿色通道车辆的检查方法不做具体的限定。

进一步地，当通过手持检测设备或路边设置的检查设备获取到待通行绿色通道的车辆的车辆信息之后，需要根据显示设备显示的内容指示，是否需要进一步地对待通行车辆进行检查或者对待通行车辆执行高速公路减免通行费的政策。

在本发明实施例中，车辆信息可以是待通行车辆的车牌号信息，通过获取到的待通行车辆的车牌号信息之后，上述检查设备可以将车牌号信息传输至数据中心系统。在实际应用中，在数据中心系统的数据库内存储有大量已经从绿色通过行驶过且已经执行高速公路减免通行费政策的数据信息，该数据信息包含车辆的相关信息，如车牌号、车轴数、包裹类型、通行次数、行驶路径、通行时间等信息；鲜活农产品货物信息，如货物种类、货物吨位、货物减免金额等信息；检查信息，如检查站点信息、检查人员信息、检查设备信息等信息；信用等级信息。在本发明实施例中，数据中心系统将获取到的车牌号信息与存储的车牌号信息进行匹配，从而确认当前数据中心系统是否有该车辆历史数据信息。

需要说明的是，在本发明实施例中，对数据中心系统将获取到的车牌号信息与存储在数据库内的车牌号信息进行匹配时采用的具体方法不做具体的限定。

在实际应用中，当数据中心系统将获取到的车牌号信息与存储的车牌号信息进行匹配之后，确定当前获取到的车牌号信息与存储的车牌号信息具有重复信息，即当前待通行的车辆的车牌号信息已近存储到数据库内，则数据中心系统可以进一步的获取到与该车牌号信息对应的信用等级信息。

在步骤102中，当数据中心系统可以根据获取到的车牌号信息获取到与该车牌号信息对应的信用等级信息之后，则可以调用该信用等级信息，并将调用的信用等级信息发送至与检测设备相对应的显示设置上。需要说明的是，这里的与检测设备相对应的显示设备，可以是显示屏，还可以是语言播放装置，在本发明实施例中，对于检测设备相对应的显示设备的具体类型不做相关限定。再者，数据中心系统与检测设备之间的通信可以是通过4g、wifi信号或者互联网；相应地，数据中心系统与显示设备之间的通信业可以通过4g、wifi信号或者互联网。

进一步地，当显示设备显示或者播放待通行车辆的信用等级信息之后，绿色通道的工作人员可以根据上述信用等级信息确认待通行车辆通过绿色通道的检测等级及方法。

在本发明实施例中，待通行车辆的信用等级可以包括有差，中，良和优四个等级。相应地，待通行车辆根据信用等级通过绿色通道的方法也会有四种方式。具体地，当待通行车辆的信用等级为差时，则绿色通道的工作人员需要对该待通行车辆需要进行重点检查；当待通行车辆的信用等级为中时，则绿色通道的工作人员需要对该待通行车辆进行一般检查；当待通行车辆的信用等级为良时，可以对待通行车辆进行快速检查；当待通行车辆的信用等级为优时，可以对待通行车辆进行免检通行。

进一步地，根据待通行车辆的信用等级确定待通行车辆通过绿色通道的方法，还包括有，当待通行车辆的信用等级为中时，除了设置一般检查外，还设置有30％的抽查率，即若将该待通行车辆确认为抽查车辆时，则需要对该待通行车辆进行重点检查；当待通行车辆的信用等级为良时，除了设置快速检查外，还设置有10％的抽查率，即若将该待通行车辆确认为抽查车辆时，则需要对该待通行车辆进行重点检查；当待通行车辆的信用等级为优时，除了设置免检通行外，还设置了5％的抽查率，即若将该待通行车辆确认为抽查车辆时，则需要对该待通行车辆进行重点检查。

需要说明的是，上述涉及到的重点检查，一般检查和快速检查均可以根据高速公路的相关规定确定，在本发明实施例中，对上述重点检查，一般检查和快速检查的具体内容均不做限定。

在实际应用中，数据中心系统对获取到的车牌号信息与存储的车牌号信息进行匹配之后，还包括有一种情况，即获取到的车牌号信息与存储的车牌号信息存在不匹配的情况，即该车辆及相关信息未录入数据中心系统，在本发明实施例中，当确认获取到的车牌号信息没有存储在数据库时，需要重新采集待通行车辆的多个信息，并根据采集到的多个信息，确定该待通行车辆的信用等级。

在本发明实施例中，可以通过bp神经网络算法确定待通行车辆的信用等级。

步骤201，确定bp神经网络算法的输入神经元：

具体地，根据获取到的待通行车辆的车牌号，获取到与该车牌号信息对应的待通行车辆的违规通行次数，待通行车辆的正常通行次数，待通行车辆当前免费金额，待通行车辆当前运输货物的种类，待通行车辆的大小，待通行车辆的类型。其中，待通行车辆的违规通行次数和待通行车辆的正常通行次数可以通过网络查询，待通行车辆当前免费金额可以根据待通行车辆在高速公路上实际行驶路程确定，待通行车辆当前运输货物的种类可以现场查看，待通行车辆的大小和待通行车辆的类型也可以根据现场查看确定。

需要说明的是，在本发明实施例中，待通行车辆的大小可以包括有二轴，三轴和四轴三种形式；待通行车辆的类型可以包括有封闭式车厢，半封闭式车厢和敞开式车厢三种类型。

步骤202，对待输入神经元进行归一化处理：

在实际应用中，在将上述六个评估指标作为神经网络模型的输入参数之前，为了能够保证网络的非线性作用，需要对可以定量的评估指标进行归一化处理，在本发明实施例中，可以定量的评估指标主要包括待通行车辆的违规通行次数，待通行车辆的正常通行次数和待通行车辆当前免费金额。通过上述归一化处理，可以有利于后续神经网络的训练。

具体地，可以通过下列公式(1)对上述六个评估指标进行归一化处理：

其中，ni为第i个所述评价指标，max(ni)为第i个所述评价指标中最大值，min(ni)为第i个所述评价指标中最小值。

需要说明的是，待通行车辆的评估指标主要包括有六个，而可以定量的评估指标包括有三个，相应地，剩余的三个评估指标为可定性评估指标，对上述三个可以定性的评估指标可以将其设为虚拟变量，进行虚拟量化处理。表1内提供了可定性的评估指标进行虚拟量化结果。

表1可定性评估指标虚拟量化表

步骤203，选择训练样本：

在实际应用中，训练样本是指的针对高速公路鲜活农产品完成一次完整的通行流程时产生的数据样本。

在本发明实施例中，训练样本要保证样本数的平衡，根据实际的高速公路绿色通道车辆正常通行数据样本和异常通行数据样本比例，选取的训练样本中正常数据样本和异常数据样本比例为20：1。为保证网络模型的鲁棒性和泛化能力，且考虑训练时间，这里选取总车辆信息(目前系统中存在约30000辆车辆通行数据样本)的2％，即630个数据样本作为样本输入，对bp网路进行训练，以保证网络的泛化能力和对时间的要求保证。

步骤204，样本的训练过程：

在实际应用中，当确定训练样本以及模型结构以后，在bp网络中结构中输入上述六个进行归一化处理的评估指标，相应地，通过该bp神经网络算法之后，会输出1个神经元。在本发明实施例中，隐层神经元选取为8，输入层的激发函数为线性函数，隐层和输出层的激发函数为tanh函数，为防止训练时在局部震荡，学习步长为0.8，动量系数为0.2。

其中，bp神经网络训练步骤如下：

1、初始化权值；

2、输入样本；

3、正向计算隐层和输出层各结点输出；

4、反向计算误差梯度；

5、调整权值；

在实际应用中，可以重复2、3和4，直到样本输出误差其中，y′为理想输出，y为实际输出，630为训练样本的数目。

利用训练样本进行训练，共迭代42300次，σ<0.02。

步骤205，训练模型的检测：

利用完成学习训练的高速公路鲜活农产品信用等级模型，对测试数据样本进行检验，将测试数据样本的输入参数数据输入到网络中，神经网络进行正向计算，得到输出值，输出值范围在【0，1】之间。

根据输出值，可以将车辆信用状况在【0，1】之间进行分类，根据模型训练，每个样本都得到了信用评级，具体地：

当确定输出神经元在【0，0.3)之间时，确定信用等级为差；当确定输出神经元在【0.3，0.6)之间时，确定信用等级为中；当确定输出神经元在【0.6，0.8)之间时，确定信用等级为良；当确定输出神经元在【0.8，1】之间时，确定信用等级为优。

通过上述步骤201～步骤205确定了待通行车辆的信用等级。

需要说明的是，在本发明实施例中，若在步骤101中，确定获取到的待通行车辆的车辆信息与存储系统内的车辆信息匹配不成功时，则可以对该待通行车辆进行正常检查，并根据检查结果确定是否对该待通行车辆执行高速公路减免通行费的政策。

进一步地，在对该待通行车辆进行正常检查时，还可以获取到该待通行车辆的六个评估指标，并将获取到的六个评估指标发送至数据中心系统，数据中心系统收到上述六个评估指标后，可以根据上述步骤201～步骤205确定该车辆的信用等级，并将确定的信用等级存储到数据中心系统。在实际应用中，数据中心系统确定新增待通行车辆的信用等级时，还会建立该新增信用等级与待通行车辆的车牌号信息的对应关系，并将该待通行车辆的车牌还信息存储到数据库中。

通过上述方法，当该待通行车辆下次通过绿色通道时，可以根据该待通行车辆的车牌号信息，查询到该待通行车辆的信用等级，并根据该待通行车辆的信用等级确定该待通行车辆通过所述绿色通道的方法。

图2为本发明实施例一提供的一种基于人工智能的高速公路绿色通道通行管理方法流程示意图，如图2所示，当车辆开始查验时，通过数据采集手持段pda设备录入车辆车牌信息，现场信息采集端会自动从数据中心系统调用该车辆的信息，查验该车辆是否有历史数据，如果没有历史数据，则按照新的车辆进行正常查验，满足规定则放行，如果不满足规定，进一步检查根据相关规定处罚之后放行，并将该车辆这次检查结果的数据资料统一上传到数据中心系统。

如果该车辆有历史数据，则进入数据中心通过人工智能建模算法自动分析该车辆的信用等级，根据信用等级评判指标进行分级检查，并将该车辆这次检查结果数据上传到数据中心，高速公路业务管理者可以通过数据查询子系统进行数据查询，报表统计，态势分析等。

综上所述，本发明实施例提供了一种基于人工智能的高速公路绿色通道通行管理方法，该方法针对高速公路绿色通道不断增长的车流量和检测工作量，提出建立车辆信用等级制度，根据待通行车辆的信用等级分级，对待通行车辆进行分级检测，一方面提高了通行速率，另一方面减少了绿色通道待通行车辆误判的问题，做到对信用等级差的车辆重点检查，信用等级高的车辆快速放行，达到了高速公路运营单位提质增效、堵漏增收的管理目标。

基于同一发明构思，本发明实施例提供了一种基于人工智能的高速公路绿色通道通行管理系统，由于该系统解决技术问题的原理与一种基于人工智能的高速公路绿色通道通行管理方法相似，因此该系统的实施可以参见方法的实施，重复之处不再赘述。

图2为本发明实施例提供的一种基于人工智能的高速公路绿色通道通行管理系统结构示意图，如图2所示，该系统主要包括包括数据采集系统301，数据查询系统302和数据中心系统303。

所述数据采集系统301用于采集绿色通道上待通行车辆的车辆信息或者评估指标；

所述数据中心系统303用于存储所述车辆信息以及评估指标，并根据所述评估指标确定待通行车辆的信用等级；

所述数据查询系统302用于查询存储在所述数据中心系统的全部数据。

在实际应用中，数据采集系统将待通行车辆的车辆信息或者评估指标通过4g、wifi信号或者互联网传输到数据中心系统；

数据中心系统用于进行数据存储、数据分析与挖掘、数据治理、人工智能算法建模、信用等级建立等，为绿色通道通行管理系统提供数据服务支持和核心算法处理支撑，并且可以将统计分析、预警信息和各类数据支撑实时下发到数据采集系统和数据查询系统。

在实际应用中，数据采集系统还可以采集到其他数据信息，该数据信息包括车辆信息、货物信息、驾驶人员信息、检查人员信息、站点信息、绿通违规信息、历史数据信息等相关信息。在本发明实施例中，对数据采集系统采集到的数据信息不做具体限定。

应当理解，以上一种基于人工智能的高速公路绿色通道通行管理系统包括的单元仅为根据该设备装置实现的功能进行的逻辑划分，实际应用中，可以进行上述单元的叠加或拆分。并且该实施例提供的一种基于人工智能的高速公路绿色通道通行管理系统所实现的功能与上述实施例提供的一种基于人工智能的高速公路绿色通道通行管理方法一一对应，对于该装置所实现的更为详细的处理流程，在上述方法实施例一中已做详细描述，此处不再详细描述。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。