基于全车牌识别数据的高速公路交通拥挤识别研究
浅谈车牌识别系统在高速公路收费系统中的应用
浅谈车牌识别系统在高速公路收费系统中的应用摘要：根据车牌识别系统作为智能交通系统的主要技术之一,通过介绍其工作原理、系统构成并结合作者在工作中的实际情况详细阐述了车牌识别系统在高速公路收费系统中发挥的重要作用,不仅可以有效防止偷逃通行费和减少通行卡流失现象,更为规范化管理,系统性分析带来及时、准确的数据,为高速公路的高效运营带来明显经济效益和社会效益。
关键词：车牌识别系统联网收费数据统计随着我国高速公路事业的快速发展,提高公路交通配套设施的自动化程度及其效率成为日益关注的焦点。
智能交通系统以其所具有的在系统安装、图像回放、图像检索等方面准确快捷的特点,成为解决高速公路配套设施效率瓶颈问题的重要技术之一,而车牌识别技术作为现代智能交通系统的核心之一,具有广阔的发展前景和巨大的经济价值。
车牌识别是以数字图像处理、模式识别、计算机视觉等技术为基础,对摄像机所拍摄的车辆图像进行分析,得到每一辆汽车唯一的车牌号码,从而完成识别过程。
在入口自动识别车牌号,提取车牌区域二值化图像,并写入通行卡;出口再次自动识别车牌信息并与卡上记录的车牌号、车牌区域二值化图像进行匹配,发现不匹配则启动报警,全程计费或进行其他的特殊收费处理它以快速、准确、安全等特点,提高了高速公路的车辆监控和管理的自动化程度,具有巨大的经济价值和现实意义。
1、车牌识别系统工作原理高速公路联网收费系统建立在附加车牌信息（车牌号和二值化图）的IC卡和车辆信息数据库上。
通过车辆携带的附加车牌信息的IC卡和车辆信息数据库对比匹配确认车辆信息合法性和行驶路径,这样可防止费源流失,实现收费额按行驶路径拆分的目的。
同时,可以建立黑名单车信息库,根据车牌信息在数据库中查询车辆信息,并作出适当处理。
车辆牌照识别系统的基本工作原理是将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入计算机进行预处理,再由检索模块对牌照进行搜索、检测、定位,并分割出包含牌照字符的矩形区域,然后对牌照字符进行二值化并将其分割为单个字符,规整后输入字符识别子系统进行识别。
车牌识别技术及其在高速公路中的应用
河南科技上一、系统功能近年来，随着计算机技术的飞速发展，交通科技领域也有了长足的进步，全国的高速公路基本实现了区域性的联网收费，河南省高速公路目前采用的是封闭式联网计重收费模式，出于防止换卡的目的，入口和出口均需手工输入车牌照的后3位，收费车道软件具备入、出口输入牌照比对功能，对于车牌号出入口录入不符的车辆可自动提示收费员，但是，在具体使用中存在以下问题。
1.人工输入工作量大，速度较慢，对服务水平造成一定的影响。
且夜间或大交通量车辆排队情况下都会造成收费员无法正常观察到车牌照。
在部分管理不严格的收费站，收费员不输或随意输入现象较为严重。
2.随着进一步深化治超工作以及河南省计划实施非现金收费，现有的人工输入方式无法提供完整的车牌照信息。
3.部分收费站自动发卡车道配置了少量车牌照自动识别设备，但由于缺乏统一的标准，在与车道控制器的通信协议、设备配置以及识别率方面均存在着一定的问题。
因此，我们以车牌照识别器为核心，在不影响收费系统的情况下，在所有车道安装全车牌自动识别系统，并更换新型收费键盘，实现高速公路收费系统全车牌自动识别和输入，以及对逃费车辆黑名单的自动报警，从而实现高速公路收费的全部智能化、自动化，将大大提高提高服务和管理水平，减少通行费的流失。
二、常用逃费伎俩及解决方案目前联网收费主要依据的是车型和收费里程，因此出现了大量以这2个元素为出发点，利用系统漏洞来缩短收费里程和降低车型，从而实现逃费的伎俩。
1.换卡。
封闭式高速公路一般采取“入口领卡、出口交费”的管理模式。
换卡逃费采用的一般是将通行卡换成里程短、小型车的通行卡，由于目前通行卡上车牌信息不足，很难辨别是否逃费，有了全车牌识别系统，在入口处，车道控制机将号牌识别结果和号牌二值化图像写入通行卡中，由司机将通行卡携带到出口处。
在出口处，车道控制机自动比对出入口的号牌识别结果和号牌二值化图像，以确认是否是入口本车辆所发通行卡，如果发现不匹配，则同时在车道控制机和站级系统报警，提示人工干预处理。
基于大数据的交通拥堵分析研究
基于大数据的交通拥堵分析研究近年来，城市交通拥堵日益严重，不仅让人们的出行变得繁琐，还对环境、经济等方面造成了严重影响。
为了解决这一问题，大数据技术得到了广泛应用，尤其是在交通领域中，基于大数据的交通拥堵分析研究成为了当前研究的热点之一。
一、基于大数据的交通拥堵分析技术1.1 数据来源基于大数据的交通拥堵分析，需要多种数据的支持。
如：“城市交通实时数据”，可以利用车载GPS设备、移动电话网络、云计算等信息获取方式，获取城市交通状况，从而提供实时路况信息和交通指引；“公共交通系统数据”，收集公共交通系统运行状况的数据，进行相关分析,增强公交管理和运营优化功效；“社交媒体数据”，可以通过挖掘微博、微信等社交媒体平台的数据，了解出行者的出行意向，分识人群出行轨迹，胜利进行路段拥堵预测。
1.2 数据预处理数据预处理是大数据分析的重要步骤之一。
在交通拥堵分析中，由于数据获取的相关技术落后或其本身的质量问题，数据中常常存在一些噪声和异常值。
处理这些数据需要经过一系列数据清洗、预处理和修补等操作，以消除数据中的异常值，提高数据质量和准确性。
1.3 数据分析数据分析是大数据技术的关键一步，它可以让人们更好地认识和透彻了解所分析的数据集，从而发现数据的规律性和变化规律性。
通过将不同来源的数据进行分析和整合，可以获得更可靠的数据，提高分析精度，同时也有助于统计交通状况的总体特征。
二、基于大数据的交通拥堵分析应用2.1 交通拥堵预警交通拥堵预警是交通管理和交通出行的重要组成部分，基于大数据技术的交通拥堵预警系统可以实时获取交通状况数据，并对交通拥堵进行预警和告警，为出行者和交通管理部门提供更加科学、准确的出行信息。
2.2 交通热点分析交通热点分析是通过对交通数据进行分析和挖掘，了解城市交通状况的热点区域和特征，为交通管理提供依据。
通过建立城市交通热点分析模型，进而完成交通状况的模拟和预测，为交通管理提供定位、规划和设计支持。
高速公路的车辆识别与轨迹分析技术研究
高速公路的车辆识别与轨迹分析技术研究随着汽车的普及以及交通拥堵问题的日益加剧，对于高速公路的管理和交通监控变得尤为重要。
在这种背景下，车辆识别与轨迹分析技术成为高速公路管理部门关注的热点问题。
本文将探讨车辆识别与轨迹分析的技术和应用，以期提高高速公路的管理效率和交通安全性。
一、车辆识别技术车辆识别技术是车辆识别与轨迹分析的基础，其核心任务是自动提取车辆的特征信息以实现车辆的准确识别。
在车辆识别技术方面，目前主要有以下几种方法：1.图像处理方法：该方法利用摄像机对车辆图像进行拍摄，并对图像进行处理和分析来实现车辆识别。
其中，主要包括车牌识别、外观特征识别等。
车牌识别技术是车辆识别的重要手段之一，通过图像处理和字符识别算法，可以自动识别车牌上的字符信息。
外观特征识别则是通过识别车辆的外观特征，如颜色、车型等，对车辆进行分类和识别。
2.雷达技术：雷达技术是利用电磁波来检测和测量车辆的距离、速度和方向等信息。
相比于图像处理方法，雷达技术具有不受光线和天气条件影响的优势，能够进行全天候的车辆检测和识别。
3.无线通信技术：利用车载通信设备和路侧通信基础设施进行车辆识别。
该方法可以通过无线通信手段获取车辆的车辆信息，如车辆型号、企业信息、驾驶员信息等。
二、轨迹分析技术车辆识别只是车辆管理的第一步，对车辆轨迹进行分析和管理，有助于更好地监控和管理高速公路上的交通状况。
在轨迹分析技术方面，主要有以下几种方法：1.轨迹数据采集和存储：通过车辆识别系统获取车辆的位置和时间信息，并实时采集和存储车辆轨迹数据。
这些数据可以用于交通状况分析、事故研究等。
2.轨迹数据挖掘和分析：利用数据挖掘技术对采集到的轨迹数据进行分析和挖掘，以获取有价值的信息。
例如，可以通过挖掘车辆的行驶轨迹，预测拥堵点和拥堵时间，从而做出相应的交通调控措施。
3.轨迹可视化技术：通过可视化技术将车辆轨迹以图形化的方式展示出来，以便更直观地观察和分析车辆的行驶情况。
高速公路收费系统中的车牌识别技术研究
高速公路收费系统中的车牌识别技术研究近年，我国高速公路的发展速度非常快，路网不断扩展，但与之相应的开销也越来越大。
为了保障公路的使用、运营和管理，高速公路收费系统被广泛使用。
其中，车牌识别技术是其中重要的组成部分，本文将探讨车牌识别技术在高速公路收费系统中的应用。
一、车牌识别技术的基本概念及原理车牌识别技术是通过计算机视觉技术和图像处理技术，对车辆的车牌进行自动识别的一种技术。
其基本原理是将摄像头所拍摄的车牌图像传给计算机，计算机通过不断的运算匹配，将车牌图像识别出来，自动进行记录和收费。
目前主要采用数字图像处理技术、模式识别技术和计算机视觉技术等方法。
实现多车道、高速运行、多车型、多车速、多车距的实时识别。
二、车牌识别系统在高速公路收费中的应用车牌识别技术在高速公路收费系统中，主要应用在车辆进出口的识别和公路收费。
根据车牌号码的读取来识别车辆，通过数字图像处理和识别技术，将图像转化为数字信号，通过相应的算法识别车牌信息。
在收费时，根据车牌信息自动计算费用并进行扣款。
整个过程是实时在线的。
1、车辆进出口的识别高速公路的进出口都采用车牌识别技术。
在进入高速公路之前，车辆会进入一个检测站，车牌识别系统将会自动识别车牌，记录车辆的入站时间。
在出站时，系统会再次自动识别车牌并计算车辆使用公路的费用，然后再进行扣款。
这种方式节省了人力成本和时间，对高速公路管理员的工作效率和精度有很大的提升。
2、公路收费系统的应用公路收费系统采用车牌识别技术，替代了传统的收费方式，具有很大的优势。
首先，车辆在通过收费站时，无需停车等待，直接通过。
其次，由于车牌识别技术具有准确性、迅速性，可以有效地降低行驶时间，减少拥堵。
最后，车牌识别自动处理收费，大大提高了效率。
因此，车牌识别技术在公路收费系统中的的应用非常广泛，目前已经在我国广泛实施。
三、车牌识别技术的发展现状车牌识别技术是一种快速的识别与处理技术，可以解决大量车辆进出口时产生的瓶颈问题。
高速公路交通监测中的车辆识别与流量预测
高速公路交通监测中的车辆识别与流量预测随着城市化进程的加快和人们生活水平的提高，私家车的普及率越来越高，导致了交通拥堵问题的日益严重。
针对这一问题，交通监测系统的建设和优化成为了解决拥堵问题的重要手段之一。
而其中，车辆识别与流量预测技术作为交通监测系统的核心部分，发挥着重要的作用。
车辆识别技术是交通监测系统中的基础环节。
在高速公路上，车辆识别主要通过识别车辆的一些特征，例如车牌号、车型和车身颜色等，来有效区分不同车辆。
目前，常用的车辆识别方法主要包括视觉识别和雷达识别两种方式。
视觉识别是基于摄像头对车辆进行拍摄，并通过图像处理技术来提取车辆特征，进而实现车辆的识别。
这种方法具有实时性好、成本低的优点，但也存在着在复杂天气条件下灵敏度不高、识别准确率不高等问题。
为了解决这些问题，研究人员提出了多种算法和模型，例如基于深度学习的车辆识别方法，通过大规模的车辆图像数据集训练神经网络模型，进一步提高识别准确率。
雷达识别是利用雷达的微波信号来感知车辆，并通过信号处理算法来提取车辆特征，从而识别车辆。
相比于视觉识别，雷达识别具有良好的环境适应性和稳定性，但其价格较高。
因此，在高速公路交通监测中，雷达识别主要应用于对车辆流量的快速计数以及车道划分等专项任务。
车辆识别技术的精确性和准确性对于实现高速公路交通监测的效果至关重要。
通过车辆识别，我们可以实时获得交通流量、车速、车道利用率等关键数据，以便进行交通管控和拥堵预警。
同时，车辆识别也可以应用于交通事故查找以及违法行为的监测和处理等多种场景。
车辆流量预测是在车辆识别的基础上，通过历史数据和统计分析等方法来预测未来一段时间内的车辆流量。
这项技术在高速公路交通监测中的作用十分重要，它可以帮助交通管理部门合理调配交通资源，提前做好交通疏导和拥堵预防工作。
车辆流量预测主要基于历史数据和统计模型。
历史数据包括过去一段时间内的车辆流量、天气状况、特殊事件等信息。
统计模型则通过对历史数据进行分析和建模，选择合适的数学模型来拟合车辆流量的变化规律，从而进行未来车辆流量的预测。
高速公路交通流量分析与拥堵优化策略研究
高速公路交通流量分析与拥堵优化策略研究随着人们生活水平的提高和交通需求的增加，高速公路成为现代社会中不可或缺的交通工具。
然而，高速公路上的交通流量不断增加，导致了频繁的拥堵问题。
因此，对高速公路交通流量进行分析并研究拥堵优化策略，变得尤为重要。
一、高速公路交通流量分析1. 流量数据收集与处理：为了进行高速公路交通流量分析，我们需要收集大量的交通数据。
这些数据包括车辆数量、速度、车道占用等信息。
可以通过交通摄像头、电子收费系统、车牌识别技术等方式获取这些数据。
然后，通过数据处理和分析，可以得出高速公路上不同时间段的交通流量情况。
2. 交通流量特征分析：通过对交通流量数据进行分析，我们可以得出不同时间段的交通流量特征。
例如，早高峰和晚高峰时段交通流量较大，周末和假日交通流量相对较小等。
通过对这些特征的分析，我们可以更好地了解高速公路上的交通状况，并为优化策略的制定提供基础。
3. 基于模型的交通流量预测：通过建立交通流模型，可以预测未来高速公路的交通流量。
常用的模型包括传统的线性回归模型、神经网络模型、时间序列模型等。
通过对历史流量数据的分析和建模，可以预测未来的交通流量情况，并为拥堵优化策略的制定提供参考。
二、拥堵优化策略研究1. 车辆调控策略：通过采取车辆调控措施，可以减少高速公路上的交通拥堵。
例如，实施交通信号灯优化、限制货车通行、实行高峰时段限行等措施，可以减少车辆拥堵并提高交通效率。
2. 道路建设优化策略：调整高速公路的路面结构和交通设施，也可以减少拥堵问题。
例如，提供更多的入口和出口通道，增加车道宽度，改善出口收费站的通行能力等。
这些优化策略可以提高整个路段的通行能力，减少交通堵塞。
3. 信息化技术应用：利用信息化技术，如智能交通系统和车载导航等，可以优化高速公路的交通拥堵问题。
通过实时监测交通流量和提供路况信息，驾驶员可以选择合适的路线和出行时间，从而避免拥堵。
此外，通过智能交通信号控制系统的应用，可以实现交通信号的优化调节，提高交通效率。
基于图像识别的车牌自动识别技术研究与实现
基于图像识别的车牌自动识别技术研究与实现摘要：随着交通工具的快速发展和普及，车辆数量的增加导致了交通管理的挑战。
车牌自动识别技术作为一种有效的交通管理手段，受到越来越多的关注。
本文旨在研究和实现基于图像识别的车牌自动识别技术，通过分析和概述相关研究成果，设计和实现一个完整的车牌自动识别系统。
1.引言随着车辆数量的快速增加，交通事故和交通堵塞问题日益严重。
车牌自动识别技术被广泛应用于交通管理、车辆监控、停车场管理等领域，实现对车辆行为和流量的监测与管理。
该技术通过图像识别算法和机器学习方法，能够自动识别和提取车辆的车牌信息。
2.车牌自动识别技术的研究进展车牌自动识别技术的发展经历了几个阶段。
早期的车牌识别技术主要基于传统图像处理算法，如颜色分割、字符分割和字符识别等。
然而，这些方法在复杂背景、光照变化和字符模糊等情况下容易出现误识别。
近年来，随着深度学习算法的兴起，基于卷积神经网络（CNN）的车牌自动识别技术取得了显著的进展。
通过使用深度学习算法，可以有效地提高车牌识别的准确度和鲁棒性。
3.基于图像识别的车牌自动识别技术原理基于图像识别的车牌自动识别技术主要包括以下几个步骤：车牌定位、车牌字符分割和字符识别。
首先，通过图像处理技术，对输入图像进行预处理，包括去除噪声、调整对比度和亮度等。
然后，使用特征提取算法和机器学习方法，对车牌进行定位，将车牌从图像中分割出来。
接下来，对分割得到的车牌进行字符分割，将每个字符分离出来。
最后，通过字符识别算法，对每个字符进行识别，得到完整的车牌号码。
4.基于图像识别的车牌自动识别技术实现为了实现基于图像识别的车牌自动识别技术，需要搭建一个完整的车牌自动识别系统。
系统的核心是图像识别算法模块，包括车牌定位、字符分割和字符识别。
在车牌定位模块中，可以使用基于颜色特征或形状特征的方法来实现车牌的定位。
在字符分割模块中，可以使用基于连通域或基于卷积神经网络的方法来实现字符的分割。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Study on freeway traffic congestionIdentificationbased on vehicle license plate recognition data
YuFengru1；ShanFei1，ZhangXiaonan2，Dai Xiaorui1，Gao Wangcui1
为保证研究结果的准确性，对采集到的原始数据进行了必要的数据质量控制，通过对数据的过滤清理、数据集成和数据格式转换等工作，将筛选预处理后的数据作为分析基础数据。最终绘制出设计速度分别为120km/h、100km/h、80km/h的高速公路混合交通流平均行程速度累计频率曲线，如图1~图3所示。不同设计速度高速公路的交通拥挤程度划分标准具体标定结果见表2。
（1.Henan Transportation Research Institute Co.，Ltd.ZhengzhouHenan450006，China；2.Urban&Rural Palnning Design Institute Of Xianyang，XianyangShanxi712000，China）
本文选择路网平均行程速度作为评价判别交通拥挤的指标，根据全车牌识别的收费数据，高速公路路段区间平均行程速度计算方法如下：首先根据车辆在入口收费站、出口收费站的进出站时间，计算车流平均行程时间，然后由收费站i和j间的路段距离就可以计算区间平均行程速度。即：
；
式中， 为车流在收费站i和j之间的平均行程时间； 为第k辆车的在收费站i的入站时间； 为第k辆车的在收费站j的出站时间；Q为收费站i至收费站j之间的车流量。 为收费站i和收费站j之间的区间行程速度；L为收费站i和收费站j之间的区间距离。
图1高速公路（设计速度120km/h）混合交通流平均行程速度累计曲线
图2 高速公路（设计速度100km/h）混合交通流平均行程速度累计曲线
图3高速公路（设计速度80km/h）混合交通流平均行程速度累计曲线
表2不同设计速度高速公路混合交通流交通拥挤程度阈值划分标准
拥挤程度
设计速度（km/h）
120
100
Key words:freeway;vehicle license plate recognition; traffic congestion; identity standards，average travel speed threshold
随着交通量的快速增长和交通需求的不断增加，尽管是高速公路，也不可避免会产生交通拥挤和交通阻塞。这一方面加重了对高速公路交通组织和管控压力，另一方面，也在一定程度上成为制约经济社会稳定发展的“瓶颈”。目前，高速公路交通拥挤识别技术的核心功能是利用各种检测设备实时采集交通数据，并依据相关理论与方法快速识别得到交通拥挤发生的时间地点等信息。但是由于视频监控设备的视野范围有限、工作人员劳动强度较大、地点线圈装置的道路覆盖范围较小、浮动车的数量往往不足等诸问题，该技术的应用效果普遍不够理想[1]。相比，基于全车牌识别的交通信息采集技术具有工作连续性强、数据精确度高、检测样本量大等优点，是数据分析和决策支持的理想数据源，有利于提高计算的精度。本文利用河南省高速公路全车牌识别数据，以一定时间间隔内路网平均行程车速为核心指标，通过数据分析、挖掘得出路网不同拥挤程度的判别标准，以识别交通拥挤的拥挤点分布、拥挤类型、拥挤持续时间等信息，为交通管理部门及时把握拥挤路段现场状况、制定合理有效的交通拥挤疏导策略等提供有力的信息支撑，更可为公众提供交通信息服务，提高路网综合运行效率。
表1交通拥挤特征及常用变量
拥挤特征
涵义
常用变量
拥挤强度
交通拥挤影响评价区域内出行者出行效率的高低
通常通过路段的行程速度和单车或路段延误来反映
拥挤程度
受到交通拥挤影响的车辆数或人数
通常通过路段流量具体体现
持续时间
交通拥挤影响评价区域内拥挤状态在交通设施上的持续时间长度
通常用保持在交通拥挤状态的时间描述
基于全车牌识别数据的高速公路交通拥挤识别研究
余丰茹1，单飞1，张晓楠2，代小瑞1，高王翠1
（1.河南省交通科学技术研究院有限公司，河南郑州450006；
2.咸阳市规划设计研究院，陕西咸阳712000）
摘要：针对目前高速公路交通拥挤尚无统一的识别标准，基于河南省高速公路全车牌识别数据研究提出在路网实际混合交通流状态下高速公路交通拥挤识别标准，并给出不同设计速度的高速公路交通非常畅通、畅通、轻度拥挤、中度拥挤、严重拥挤对应的平均行程速度阈值，可用于快速识别交通拥挤地点、拥挤类型、拥挤持续时间等信息，为高速公路管理决策提供依据。
利用2013年3月27日—31日5天300多万条的河南省高速公路全车牌识别收费数据，选取了不同设计速度的路段，绘制其平均行程速度累计频率曲线，分别计算出不同设计速度的高速公路上的85%、50%、30%、15%速度分位点，作为交通非常畅通与畅通、畅通与轻度拥挤、轻度拥挤与中度拥挤、中度拥挤与严重拥挤等不同拥挤强度的阈值分界点。
参考文献:
[1]姜桂艳，常安德，牛世峰.基于车牌识别数据的交通拥挤识别方法[J]，哈尔滨工业大学学报，2011，43(4).
[2]王江锋.高速公路交通拥挤状态自动识别方法研究[D]；吉林大学硕士学位论文，2004.
[3]刘梦涵.面向特大城市的分层次交通拥挤评价模型及算法[D].北京交通大学博士学位论文，2008.
Abstract:Forthefreeway traffic congestion is no uniform identification standardsat present，Study proposes freeway traffic congestion identification standards of actual mixed traffic flow based on vehicle license plate recognition data of Henan Province，and gives average travel speed threshold correspondingtrafficstatusthatis verysmooth，smooth，mildcongestion，moderatecongestion，severecrowdingofdifferent design speedfreeway.Theresults can be used to quickly identifytrafficcongestionplace，congestiontype，congestion duration and other information，that can provide the basis for highway traffic managementdecisions.
1高速公路交通拥挤类型和特征
高速公路交通拥挤通常分为以下两种类型[2]：一是由于过大的交通需求造成道路设施超载所引起的常发性交通拥挤。如节假日、黄金周等交通出行高峰时间段，不受限制的入口匝道、出口匝道排队和收费站收费等。二是由于高速公路上的各种突发交通事件使得道路的通行能力低于当时的交通需求造成的偶发性交通拥挤。如交通事故、车辆停驻、货物掉落、气候恶劣等。交通拥挤一般具有四个特征[3]，即拥挤强度、持续时间、影响空间和拥挤程度，如表1所示。
影响空间
交通拥挤在评价区域内交通设施之间的扩散范围
通常用受影响路段的数量或长度描述
2基于全车牌识别数据的高速公路交通拥挤识别方法
合理确定交通拥挤识别方法是准确识别交通拥挤的前提条件和基础，目前我国对高速公路的交通拥挤识别方法尚未有统一的定义，仅依据理想条件下交通密度对高速公路基本路段的服务水平进行了划分。在世界范围内对于是否处于高速公路交通拥挤状态的判别，大多数国家和地区使用行程速度的大小进行拥挤强度的划分。但由于交通环境、道路基础设施条件、驾驶习惯等不同，世界各个城市对于利用速度界定拥挤等级的阈值各不相同。在美国，不同州和地区于对速度阈值的界定也有所不同。美国交通运输部在高速公路上，以64km/h的平均行程速度作为拥挤评判标准，以56km/h作为严重拥挤判别界限。联邦公路局采用72km/h的平均行程速度作为交通拥挤判别的基础，路段严重拥挤界限为45km/h。加州运输局规定在高速公路上56km/h为交通拥挤判别界限。另外，犹他州和圣地亚哥运输部门将64km/h作为高速公路交通拥挤的判别标准[4][5][6]。在其他国家，日本道路公团将40km/h以下的道路运行速度、处于低速行驶或反复停车、启动的车列连续1km以上、持续15分钟以上的交通状态作为高速公路交通拥挤的判别界限[7]。
[6]BordenJ.StatewideHighwayCongestionMonitoringProgram.DivisionofTraffic OPerations[R].CaliforniaDepartmentofTransportation，StateofCalifornianBusiness，TransportationandHousingAngency，1992.
3基于全车牌识别数据的高速公路交通拥挤识别标准确定
由于不同的速度阈值会造成一次拥挤影响范围、持续时间的不同，进而造成交通拥挤识别结果的差异。因此，科学确定不同拥挤程度对应的速度阈值成为识别交通拥挤的关键。本文采用传统交通流理论的交通拥挤强度阈值划分方法，即通过绘制平均行程速度累计频率曲线，对不同分界点进行标识，进而确定实际不同设计速度条件下高速公路不同交通拥挤程度对应的速度阈值。
80
非常畅通
≥105
≥94
≥75
畅通
[86，105）
[81，94）
[64，75）
轻度拥挤
[72，86）Biblioteka [70，81）[56，64）
中度拥挤
[60，72）
[58，70）