1.一种高速公路通行卡卡量预测方法,其特征在于,
所述高速公路通行卡卡量预测方法中的监测装置,包括色块组合图案(1)、摄像机(2)、计算机、支架(3)、信号电缆(4);
其中,所述色块组合图案(1)横向布置于收费站入口车道上,且摄像机(2)通过支架(3)布置于车道上方,保证车辆(5)经过色块组合图案(1)时在摄像机(2)视角范围内;所述计算机通过信号电缆(4)与摄像机(2)相连,当车辆(5)经过色块组合图案(1)时,通过计算机对摄像机(2)所采集的图像信息进行处理分析,以判断车辆(5)是否通过收费站,即表明取走一张通行卡;通过计算机实时监控收费站的取卡量变化,并根据取卡量变化的历史信息预测收费站取卡量的变化情况;
所述色块组合图案(1)包含至少两种颜色色块,且各种颜色色块间隔布置;
所述摄像机(2)采用红外摄像机;
所述计算机包括客户端计算机(6)及远程服务器端计算机(7),客户端计算机(6)与远程服务器端计算机(7)通过互联网络(8)实现信息传递;
所述高速公路通行卡卡量预测方法,包括以下步骤:
步骤1:对历史上的每一年,以月为单位计算收费站的取卡量,形成一特征向量Ai=[ai1,…,aij,…,ai12],其中i表示某年,j表示某月,aij表示i年第j个月的取卡量;假设观察N年,则形成一特征向量集合A={A1,…,AN};
步骤2:对于当前年的第1月至第L月,得到收费站取卡量的特征向量B=[b1,…,bL],bL表示当前年份下的第L月的取卡量,同样的,对于特征向量集合A中第i年的每个特征向量Ai也只取前L个月的元素值,形成特征向量A′i=[ai1,…,aiL],则新的特征向量集合表示为A′={A′1,…,A′N};
步骤3:对特征向量集合A′中的每个元素A′i,计算特征向量B与其的欧式距离,采用k近邻算法从A′中找出k个与特征向量B距离最近的特征向量,然后将它们对应到原先A中完整的特征向量中去,取出这k个完整的特征向量,并将这k个特征向量中对应的元素相加并取平均值得到一个预测向量C=[c1,…,cL+1,…,c12],cL+1表示k个最近邻特征向量中第L+1个分量的平均值,L表示当前年份下的当前月,即估计得到当前年L月之后的每个月取卡量预测值;
所述高速公路通行卡卡量监测具体包括:
(1)当没有车辆经过色块组合图案(1)时,客户端计算机(6)记录下摄像机(2)所采集的图案颜色组合S1,即明确图案中各个图片块内的颜色值;
(2)进行车辆检测时,摄像机(2)获取对应检测区域的图像,计算检测区域的颜色组合S2,判断上述检测区域的颜色组合S2与该检测区域无车辆经过时的颜色组合S1是否相同,相同则此检测区域没有车辆经过,否则有车辆经过;
(3)如果车辆进入收费站,则表明取走一张通行卡,客户端计算机(6)对该收费站某年某月的取卡量计数变量执行加1操作,并将该收费站剩余的取卡量信息通过计算机网络传送远程服务器端计算机(7)上;
(4)通过服务器端计算机(7)实时反馈所检测区域内的收费站的取卡量信息,并能预测某收费站未来某一段时间内取卡量的变化情况。