CN119516789A 一种基于数据协同的收费站车道动态配置方法及系统 （特微乐行(广州)技术有限公司）

一种基于数据协同的收费站车道动态配置本发明涉及一种基于数据协同的收费站车道动态配置方法及系统，属于交通控制技术领元搭建的智能通行预测模型基于物联网传感器采集的基础数据智能预测目标收费站在当前时及一种基于数据协同的收费站车道动态配置系子收费通道和人工收费通道随时动态配置时缺能够根据智能预测的不同收费类型的出站车辆2采用设置在目标收费站处的物联网传感器，用于获取当前时间分分段分别对应的各份电子收费出站车辆总数和各采用设置在目标收费站附近的第一边缘计算网元，用于将完采用设置在目标收费站附近的第二边缘计算网元，用于将目标收费站标收费站的入口最窄处的宽度作为目标收费站的各项配置采用设置在目标收费站远端的云计算服务器，用于根据智能通行预辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和第二预采用设置在目标收费站远端的云计算服务器，用于基于目标收费站的出站通道总数、第一预测数量和第二预测数量提前配置目标收费站在当前时间分段内的电子收费通道数所述采用设置在目标收费站远端的云计算服务器，用于基于目测数量的比值等于提前配置的目标收费站在当前时间分段内的电子收费通道数量和人工其中，所述采用设置在目标收费站处的物联网传感器，用附近的其他收费站处于同一高速公路的不同里程分别对应其中，所述采用设置在目标收费站处的物联网传感器，用段与当前时间分段组成一个完整的时间区间且每一个时间分段的持续时其中，云计算服务器通过加密网络分别执行与物联网所述采用设置在目标收费站附近的第一边缘计算网元，用于将完成多其中，当前时间分段之前各个过往时间分段的时间分段3范围内的其他收费站的数量为目标收费站附近的其中，所述采用设置在目标收费站附近的第一边缘计算网元各个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数采用云计算服务器对设置在目标收费站处的物联网传感器执行物联网传感器的各项采用数据存储器件通过存储智能通行预测模型的各项模型参数完成对智能通行预测各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费站在当前子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和第二预测数量之采用现场显示器件用于接收第一预测数量和第二预测数量并实现第一预测数量和第采用设置在目标收费站附近的第二边缘计算网元，用于将目标收费站一个出站通道存在电子收费通道和人工收费通道两种其中，所述采用设置在目标收费站处的物联网传感器，用个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数包其中，所述采用设置在目标收费站处的物联网传感器，用个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数还4将目标收费站与最近的其他收费站之间的距离作为参考距离，前其中，采用数值转换函数表示前馈神经网络的学习次数与采用设置在目标收费站远端的云计算服务器，用于根据智能通行预辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和第二预的各份电子收费出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置其中，采用设置在目标收费站远端的云计算服务器，用于根据出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目时间分段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和在当前时间分段内的电子收费出站车辆总数和人工收费出物联网传感器，设置在目标收费站处，用于获取当前时间分分别对应的各份电子收费出站车辆总数和各第一边缘计算网元，设置在目标收费站附近，用于将第二边缘计算网元，设置在目标收费站附近，用于将费站的入口最窄处的宽度作为目标收费站的云计算服务器，设置在目标收费站远端，用于根据智能通数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费站在的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和第二预测数所述云计算服务器还用于基于目标收费站的出站通道总数、第一预测数量提前配置目标收费站在当前时间分段内的电子收费通道数量和5[0003]示例地，公开号为CN117197913A的中国发明专利提出了一种云计算的高速公路[0004]公开号为CN116403407A的中国发明专利公开了一种公路收费站的车道动态配置根据流量参数确定车道开通指标，根据车道开通指标确定车道类型对应的车道开通数量；费出站车辆总数和各份人工收费出站车辆总数以及收费站的各项配置信息对收费站的未的交通控制管理方在希望进行未来时间分段的电子收费通道数量和人工收费通道数量的动态配置时缺乏有效的基础数据，进而无法最大限度地满足不同收费需求的车辆通行速6分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息对目标收费站在作为一种未来时间分段的当前时间分段内的电子收费出站当前时间分段内的电子收费通道数量和人工收费通道数量，从而充分利用有限的收费通[0007]根据本发明的第一方面，提供了一种基于数据协同的收时间分段分别对应的各份电子收费出站车辆总数及目标收费站的入口最窄处的宽度作为目标收费站的各项站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标间分段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和第[0008]根据本发明的第二方面，提供了一种基于数据协同的收分段分别对应的各份电子收费出站车辆总数和各标收费站的入口最窄处的宽度作为目标收费站的各项配置辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费7段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和第二预预测数量提前配置目标收费站在当前时间分段内的电子收费通道数量和人工收费通道数网元和第二边缘计算网元分别用于执行智能通行预测模型的构建以及目标收费站的各项预测目标收费站在作为未来时间分段的当前时间分段的电子收费出站车辆总数和人工收完成了基于物联网的云边端的目标收费站数据前配置的目标收费站在未来时间分段内的电子收费通道数量和人工收费通道数量之和等站车辆总数的比值等于提前配置的目标收费站在当前时间分段内的电子收费通道数量和络分别执行与物联网传感器、第一边缘计算网元和第二边缘计算网元的数字信息的传输，第四处：为智能预测目标收费站在未来时间分段内不同收费形式的出站车辆总第五处：为智能预测目标收费站在未来时间分段内不同收费形式的出站车辆总往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数以及目间分段内的电子收费出站车辆总数和人工收费出站车辆总数作为前馈神经网络的输出内份电子收费出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息8图1为根据本发明的一种基于数据协同的收费站车道动态配置方法及系统的技术[0011]图2为根据本发明的实施例1示出的一种基于数据协同的收费站车道动态配置方[0012]图3为根据本发明的实施例2示出的一种基于数据协同的收费站车道动态配置方[0013]图4为根据本发明的实施例3示出的一种基于数据协同的收费站车道动态配置方[0014]图5为根据本发明的实施例4示出的一种基于数据协同的收费站车道动态配置方[0015]图6为根据本发明的实施例5示出的基于数据协同的收费站车道动态配置系统的[0016]如图1所示，给出了根据本发明示出的一种基于数据协同的收费站车道动态配置置在目标收费站附近的第一边缘计算网元和第二边缘计算网元分别用于执行智能通行预务器用于采用智能通行预测模型智能预测目标收费站在作为未来时间分段的当前时间分续的目标收费站在当前时间分段内的电子收费通道数量和人工收费通道数量的智能预测9时间分段内的电子收费出站车辆总数和人工收费出站车辆总数作为前馈神经网络的输出各份电子收费出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信技术流程C：采用目标收费站本地的物联网传感器用于执行目标收费站本地的数分段之前各个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站行目标收费站在当前时间分段内的电子收费通道数量和人工收费通道数量的智技术流程E：采用设置在目标收费站远端的云计算服务器用于基于目标收费站的置目标收费站在未来时间分段内的电子收费通道数量总数和人工收费出站车辆总数的比值等于提前配置的目标收费站在当前时间分段内的电图2为根据本发明的实施例1示出的一种基于数据协同的收费站车道动态配置方前各个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总车辆的不同的外形成像特性和/或电子收费装置是否存在于车身上的视觉识别结果，对电用MATLAB工具箱完成对完成多次学习后的前馈神经网络作为智能通行预测模型输出的模通道总数以及目标收费站的入口最窄处的宽度作为目标收费站的各项配置电子收费出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费站在当前时间分段内的电子收费出站车辆总数和人工收费出站车辆总数，并将当前时间分段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预前各个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费站在当前时间分段内的电子收费出第二预测数量的比值等于提前配置的目标收费站在当前时间分段内的电子收费通道数量附近的其他收费站处于同一高速公路的不同里程分别对应收费站附近的其他收费站的数量为3个时，当前时间分段之前各个过往时间分段的时间分段与当前时间分段组成一个完整的时间区间且每一个时间分段的持续时间区间且每一个时间分段的持续时长相等包括：当前时间分段为下午6点整到下午6点15地理范围内的其他收费站的数量为目标收费站附近的其他收之前各个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆图3为根据本发明的实施例2示出的一种基于数据协同的收费站车道动态配置方图4为根据本发明的实施例3示出的一种基于数据协同的收费站车道动态配置方图5为根据本发明的实施例4示出的一种基于数据协同的收费站车道动态配置方站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标间分段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和第的每一个出站通道存在电子收费通道和人工收费通个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数包个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数还[0031]以及在根据本发明各个方法实施例的基于数据协同的收费站车道动态配置方法站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标间分段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和第对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项电子收费出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费站在当前时间分段内的电子收费出站车辆总数和人工收费出站车辆总数，并将当前时间分段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预标收费站在当前时间分段内的电子收费出站车辆总数和人工收费出图6为根据本发明的实施例5示出的基于数据协同的收费站车道动态配置系统的分段分别对应的各份电子收费出站车辆总数和各车辆的不同的外形成像特性和/或电子收费装置是否存在于车身上的视觉识别结果，对电用MATLAB工具箱完成对完成多次学习后的前馈神经网络作为智能通行预测模型输出的模标收费站的入口最窄处的宽度作为目标收费站的各项配置辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费段内的电子收费出站车辆总数和人工收费出站车辆总数分别作为第一预测数量和第二预前各个过往时间分段分别对应的各份电子收费出站车辆总数和各份人工收费出站车辆总数以及目标收费站的各项配置信息智能预测目标收费站在当前时间分段内的电子收费出预测数量提前配置目标收费站在当前时间分段内的电子收费通道数量和人工收费通道数第二预测数量的比值等于提前配置的目标收费站在当前时间分段内的电子收费通道数量附近的其他收费站处于同一高速公路的不同里程分别