【文章內容簡介】 公路網。 江蘇省以長江為界分為蘇北高速公路網和蘇南高速公路網 ,分別實現(xiàn)聯(lián)網收費。江蘇省蘇北高速公路路徑識別技術研究的對象即蘇北高速公路網 ,蘇北高速公路網的聯(lián)網收費范圍包括京滬高速沂淮江段、寧連高速淮連段、京福高速徐州東繞城段、徐宿 高速公路、寧宿高速公路、寧通高速公路、廣靖高速公路、連徐高速公路、寧靖鹽高速公路、汾灌高速公路及江陰大橋。在研究中針對當時蘇北具體路網提出了蘇北高速公路聯(lián)網收費的多路徑判別方法及相關措施。 浙江省高速公路網對路徑識別問題進行研究的時候 ,其高速公路路網中存在兩個二義性路徑的路環(huán) :一個是杭甫高速公路 (沽清 — 大朱家 )、上三高速公路全線、雨臺溫高速公路 (寧波東 — 吳番樞紐 )組成的路環(huán) 。另一個是由滬杭、杭甫、繞城高速公路組成的路環(huán)。針對這兩個二義性路徑。浙江省當時采用的方法是以出口 /入口隔離法為輔 ,通行費的拆分則是在對 歷史交通量和未來交通量的分析基礎上 ,與路公司共同商討 ,取得一致同意的情況下達成用節(jié)點位勢法來進行多路徑的路徑識別 ,它仿照電學里面的節(jié)點位勢法 ,確定用路段里程來表征路段阻抗 ,從而計算出多路徑情況下各路徑的行駛車輛數(shù) ,進而依次在各路公司拆分通行費 ,對車輛的通行費按照最短路徑來征收。其拆分為了適應不斷變化的交通流量 ,省收費結算中心和路公司定期組織對二義性路徑的交通流量進行統(tǒng)計調查 ,并通過實際運行一段時間后 (三個月～半年 ),根據(jù)實際統(tǒng)計的流量狀況和分布情況、車輛選擇路徑的情況以及與現(xiàn)用的二義性路徑拆分原則的差距情況 ,對原來的分配方案和比例進行調整。 山東省高速公路通車里程超過 3000km,預計 2021 年將達到 4000km,高速公路通車里程為全國第一 ,聯(lián)網收費里程已達到 2144km,路網內有多家路公司。最初山東省采用最短距離法進行路徑識別與通行費收入拆分。隨著聯(lián)網收費高速公路網規(guī)模的不斷擴大 ,不同利益主體管轄的路段將會逐漸并入網中 ,路網結構日趨復雜 ,路徑識別與通行費收入拆分問題日益突出 ,據(jù)估計由多路徑產生的費用占路網總通行費用的,每年達 1000 萬元左右。為此山東省對山東省高速公路聯(lián)網收費系統(tǒng)路徑識別與通行費收 入拆分問題進行研究認為 : 要從山東省高速公路總體路網規(guī)劃出發(fā) ,綜合考慮設備投資、受益及今后運營成7 本等多方面因素提出方案 。 路徑識別與通行費收入拆分問題主要從兩個方面解決 ,一是收費車道業(yè)務操作層 ,主要是路徑識別問題 。二是收費管理層面 ,主要是通行費收入拆分問題。 車道收費業(yè)務操作要求盡可能精確識別每一車輛的行駛路徑 ,不損害道路通行者利益 ,合理收取通行費。在進行路徑識別時 ,根據(jù)具體情況對不同路段采取不同方法。根據(jù)當時道路情況 ,他們建議在對綜合路阻之差在 10%(可更多或更少 )以上不同路徑進行識別時 ,應用最短路徑法 。當不同路徑的路阻之差在 10%之內 ,且車流量較少 ,涉及的通行費較低時 ,可采取收費員入口指導 ,出口詢問方式 。當長度之差在 10%之內 ,且車流量較大 ,多路徑通行費較高時 ,也可以考慮在在關鍵點設立標識站 ,但標識站數(shù)量一定要控制 , 盡量減少對全路網的影響 。另外 ,在路徑識別精度方面 ,不同路段也要有所側重。當路網中多路徑路段屬于同一經營主體時 ,建議不對行駛路徑進行精確識別。 由于目前我國聯(lián)網收費還是剛剛開始 ,對其相關的技術研究的還不是都很深入 ,路徑識別技術的研究在這種環(huán)境下也只是剛剛開始 ,在現(xiàn)有的“一路一公司”的情況下實行 的協(xié)商法需要各路公司相互之間有良好的協(xié)調關系。高速公路多路徑識別技術作為依附于高速公路聯(lián)網收費的一門新技術必然會隨著聯(lián)網收費技術的進步而不斷發(fā)展完善 ,特別是在當前提倡的電子不停車收費 (ETC)技術不斷成熟完善的情況下 ,對車輛行駛路徑的精確識別必然會在現(xiàn)實和經濟上都允許的前提下得以實現(xiàn)。 8 第 3 章 多路徑識別算法的 基本理論 多路徑識別包含多種技術方法，下面主要介紹了多路徑識別方法的主要分類，詳細說明了識別方法涉及到的主要算法。 多路徑識別方法的分類 目前，在高速公路路徑識別的主要技術方法有：標識站法、 車牌照識別法、最短路徑法。從基本思路看，多路徑識別技術可以分為精確識別和概率識別兩類。 精確識別 精確識別的原理是識別出路網中每一車輛的實際行駛路徑，避免路網中出現(xiàn)行駛路徑的歧義，從而解決路網中多路徑問題。標識站法、車牌照識別法都屬于精確識別的范疇。 要做到對車輛行駛路徑的精確識別通常由兩種方法：通過土建設施的手段，確保任意車輛從一個收費站（點）到另一收費站（點）間只能有唯一的行駛路徑；通過標識方法采集車輛行駛路徑信息，確認車輛行駛路徑。第二種方法只需在產生歧義的路段設立標識站，獲取車輛行駛的標識 信息，就可以根據(jù)出口信息、入口信息、標識信息，識別出任意車輛的行駛路徑。 準確識別車輛的實際行駛路徑，可分為停車式和不停車兩種，以下提到的標識站均為“停車式標識站”。在收費車道上安裝非接觸式 IC 卡讀寫設備，司機通過此路段時，將 IC 卡（通行卡）在讀寫天線的規(guī)定距離內劃過，自動欄桿開啟、車輛通行，并記錄該標識站信息。 標識站的主要缺點是車輛每次經過標識站時必須停車，導致行車速度減慢，降低了高速公路的服務水平，與聯(lián)網收費的精神直接相違背，在實施時，輕易不采用。在國家政策方面，交通部交公路發(fā) [1999]9 號文件《關于認真做好公路收費站點清理整頓的通知》中規(guī)定“對通行車輛一次完成通行費收繳和票證發(fā)放工作，不準設立旨在進行內部監(jiān)督驗票的檢查站”。顯然，國家法律法規(guī)的規(guī)定對設置停車式標識站做出了限制，設置停車式標識站已不可行。 隨著圖像識別技術的發(fā)展，也可應用“車牌照識別”技術進行多路徑的識別。即高速公路入、出口以及路網內關鍵點設置車牌照抓拍系統(tǒng)，攝取通過車輛牌照。 車牌照識別方法雖然不影響行車速度，但是應用車牌照抓拍系統(tǒng)進行多路徑的9 判別，投資較大且系統(tǒng)精度根據(jù)圖像識別算法的不同效果 也不同一般不能達到100%。 概率識別 一般來說，道路使用者路徑選擇行為是基于道路使用效益最大化和運營成本最小化的原則之上的，即：花最少的時間、最少的費用、走最短的路、獲取最大的效益。因此，運行時間最少的路徑對于時間價值導向型的道路使用者來說具有更強的吸引力，用戶一般采用最短路徑法。 最短路徑法取最短路徑為行駛路徑。從起點到終點存在兩條或兩條以上的路徑，將最短路徑作為車輛選擇路徑，此方法最為簡便，投資最少。最短路徑法直接將多路徑車輛通行費分配給最短路徑業(yè)主，因此，這種方法的精確度取決于車輛在實際的 路徑選擇過程中選擇最短路徑的概率。但是在高速公路中倒卡、逃費問題嚴重，因此這種算法的拆分關系到將通行費拆分給哪個收費單位的問題，影響了一部分單位的收益。 所以在本次設計中主要研究了精確識別中的車牌照識別技術，分析研究圖像處理得算法，用以提高車牌照識別的準確度。 多路徑識別算法的理論基礎 在本文涉及到的多路徑識別算法 — 車牌照識別技術中，對于 一個完整的車輛牌照識別系統(tǒng) 而言 應該包括圖像采集、圖像預處理、車牌定位、字符切分、字符識別以及圖像編碼、數(shù)碼傳輸與更新等步驟，基本可以分為硬件部分和軟件部分，硬件部分主 要完成車輛圖像的攝取采集，軟件部分主要完成對采集到的車輛圖像進行車輛牌照定位、車牌字符切分與車牌字符識別等工作，這部分工作最為復雜，最后對識別結果進行數(shù)據(jù)傳送和存儲，將處理后的識別信息交給管理系統(tǒng)進行管理。整個系統(tǒng)的核心是軟件部分的工作，能否通過牌照對車輛進行有效管理，很大程度上取決于軟件部分識別車牌的準確性。 車牌照識別的主要算法 車牌識別的常用算法法有很多種，如結構模式識別方法、統(tǒng)計模式識別、人工神經網絡識別等等。下面分別介紹各種方法： 結構模式識別可能比較復雜，但都具有相 當嚴格的規(guī)律性。換句話說，字符圖像含有豐富的結構信息。可以設法提取含有這種信息的結構特征及其組字規(guī)律作為識別的依據(jù)，這就是結構模式識別。 結構模式識別是早期漢字識別研究的主要方法。其主要出發(fā)點是漢字的組成結10 構 .從漢字的構成上講，漢字是由筆劃以及偏旁部首構成的 。還可以認為漢字是由更小的結構基元構成的。由這些結構基元及其相互關系完全可以精確地對漢字加以描述，這種方法也叫句法模式識別。識別時，利用上述結構信息以及句法分析地方法進行識別，類似于一個邏輯推理器。 基于這種方法來描述字符的結構在理論上是比較恰當?shù)?，其?要優(yōu)點在于對字體變化的適應性強，區(qū)分相似字的能力強；但是，在實際應用中，其所面臨的問題是抗干擾能力差，因為在實際得到的文本圖像中存在各種干擾，比如傾斜、斷裂、粘連、污點等。這些因素直接影響到結構基元的提取。假如基元不能準確得到，后面的識別就成了無源之水。所以，在字符識別領域，純結構模式識別方法己經逐漸衰落。 統(tǒng)計決策論發(fā)展較早，理論也比較成熟 .其要點是提取待識別模式的一組統(tǒng)計特征，然后按照一定準則所確定的決策函數(shù)進行分類判決。字符的統(tǒng)計模式識別是將字符點陣看作一個整體，其所用的特征是從這個 整體上經過大量的統(tǒng)計而得到的 .統(tǒng)計特征的特點是抗干擾能力強，匹配與分類的算法簡單，易于實現(xiàn) .不足之處在于細分能力較弱，區(qū)分相似字的能力差一些。常見的統(tǒng)計模式識別方法有： （ 1） 投影直方圖法。利用字符圖像在水平及垂直方向的投影作為特征。這種方法是模式識別早期使用的方法。 （ 2） 利用變換特征方法。對圖像進行變換，變換后對圖像從空間域變到頻域，特征的維數(shù)大大降低。但是這些方法總的特征就是運算量太大，運算復雜度高，難以滿足實時處理的要求。 （ 3） 傅立葉描述子和 Spline 曲線近似。這兩種方法都是針對字符圖像輪廓的。傅立葉描述子是利用傅立葉函數(shù)模擬封閉的輪廓線，將傅立葉和函數(shù)的各個系數(shù)作為特征，該方法致命缺點是對于輪廓線不封閉的字符圖像不適用。車牌字符本身所占象素點較少，常常會出現(xiàn)筆劃斷裂輪廓不封閉。 Spline 曲線是在輪廓上找到曲率大的折點，利用 Spline 曲線來近似相鄰折點之間的輪廓線，該方法的缺點在于對旋轉現(xiàn)象比較敏感。 （ 4） 特征點方法。它的主要思想是利用字符點陣中一些有代表性的點作為特征來區(qū)分不同的字符。這些點包括端點、折點以及交叉點等等，獲得了比較好的效果。其特點是對于內部筆劃粘連的字符識別的適應性較強，直 觀性好，但是不易表示為矢量形式，不適合作為粗分類的特征，匹配難度大。 （ 5） 基于微結構特征的方法。字符是由筆劃組成的，筆劃是由一定方向，一定位置關系和長寬比的矩形線段組成的。這些矩形則稱為微結構。利用微結構及微結構之間的關系組成的特征對字符進行識別。其不足之處正好和特征點的方法相反，11 在內部筆劃粘連時，微結構的提取會遇到困難。 統(tǒng)計模式識別認為圖像可能包含一個或多個物體，并且每個物體屬于若干事先定義的類型、范疇或模式之一。雖然模式識別可以用多種方法實現(xiàn)，但我們只關心用數(shù)字圖像處理技術對它的實現(xiàn)。字符統(tǒng)計模式是 把字符的點陣看成一個整體，通過做大量的統(tǒng)計得到所需要的特征。最常用的字符統(tǒng)計模式方法是模板匹配的字符識別方法。模板匹配的字符識別方法是通過一定準則確定決策函數(shù)，并進行分類判斷的方法。模板匹配的字符識別方法是指度量輸入模式與樣本之間的某種相似性，取最相似者為輸入模式所屬類別。它根據(jù)字符的直觀形象抽取特征，用相關匹配原理進行識別。這個方法不需要特征提取這個過程，字符圖像直接作為特征與模板進行比較，相似度最高的模板即定為識別結果。它優(yōu)點是可以并行處理，簡單易行。缺點是如果進行簡單的模板匹配，只能夠識別同種字體、同 樣大小的字符，對于筆劃變粗、變細、傾斜的字符適應能力比較差，特別是模板與字符筆劃的匹配失誤時，會有很大的誤差。 3． 人工神經網絡識別 人工神經網絡是模擬人腦思維方式的數(shù)學模型。神經網絡是現(xiàn)代生物學研究人腦的組織成果基礎上提出的，用來模擬人類大腦神經網絡的結構和行為，它從微觀結構和功能上對人腦進行抽象和簡化。 人工神經網絡方法的 優(yōu)點和缺點 主要表現(xiàn)在如下的幾個方面： 神經網絡的 優(yōu)點 ： 1,能逼近任意線性函數(shù) 2,信息的并行分布式處理和存儲 3,可以多輸入多輸出 4,便于用超大規(guī)模的集成電路或光學集成電路系統(tǒng)實現(xiàn) 5,具有自學習的能力； 6,具有聯(lián)想存儲功能； 7,具有高速尋找優(yōu)化解的能力 . 雖然人工神經網絡有上述的優(yōu)點，并且在 OCR 中也取得了一些成果，但是在車牌字符的識別中仍然存在很大的缺陷： l，車牌字符象素點陣小，筆劃常常出現(xiàn)斷裂，通過學習規(guī)則，誤差系數(shù)相差很小，容易出現(xiàn)誤識； 2，神經網絡在進行學習時，每次迭代的梯度值都受樣本中噪聲干擾，影響較大，整個系統(tǒng)收斂速度較慢，不適合實時識別的要求。 用于字符識別最常用的神經網絡是 BP 神經網絡，所謂 BP 神經網絡是指誤差反向傳播神經網絡 ，核心方法是梯度下降法，它采用梯度 搜索技術，以期使網絡的實際輸 值與期望的均方差為最小。 BP神12 經網絡主要有兩種形態(tài)： (l)前向傳播：計算網絡的輸出。 隱層神經元的輸入為所有輸入的加權之和，即 （式 ） 隱層神經元的輸出井采用 S函數(shù)激發(fā) x，得 （式 ） 輸