车型分类

摘要： 各市、县(市、区)人民政府,省政府直属各单位:为平稳做好全省收费公路收费工作,继续执行现行收费公路车辆通行费收费政策。经省政府同意,现就有关事项通知如下:一、收费公路车型分类和收费标准根据交通运输部发布的《收费公路车辆通行费车型分类》(JT/T489—2019),结合我省实际.

摘要： 交通场景中车辆的检测和分类是发展智能交通的应有之义。本文基于利旧的原则,利用路侧交通监控视频数据,设计改进的YOLOv3深度学习网络模型,使用残差单元以保证卷积神经网络收敛损失,算法采取多尺度特征融合预测的策略,直接在多个尺度的特征图上回归预测车辆边界框和类型,实现车辆的目标快速检测和车型判定。将改进前后的模型在测试集中进行测试,实验结果表明本文提出的深度学习网络在实际交通场景中既满足实时性的要求,又具有良好的车型检测和分类效果。

摘要： 为科学制定高速公路收费标准和合理设计差异化收费方案奠定坚实基础,研究团队首次较为完整地提出了适合于我国收费公路当前发展阶段和发展环境的收费费率定价理论方法和车型分类方法,研究成果为统一规范全国收费公路车型分类、科学制定高速公路收费标准、合理设计差异化收费方案和构建高速公路收费费率动态调整机制提供了依据和技术指南,对深化收费公路制度改革和推进我国高速公路可持续发展具有重大理论和现实意义。

摘要： 为了能快速而精准地识别道路车辆的位置并对车辆类型做出判断,提出一种基于优化的YOLOv5算法的车辆检测模型。首先,利用K-means聚类算法获得合适的锚框尺寸。其次,引入SE注意力模块并将部分卷积层替换为深度可分离卷积。最后,在输出端以DIoU方法进行非极大值抑制,完成优化过程并进行试验。实验结果表明,优化后的模型在检测精度和速度上都有了提高,分别可达95.7%和60.5f/s。此外,查全率提高了2%,查准率提高了1%,并且对于小目标车辆及遮挡重叠车辆的检测效果也有了进一步的改善。

摘要： 为研究山区高速公路车型分类方法,以重庆市包茂高速某路段的电子不停车收费数据(即ETC数据)为基础,分析平缓路段和连续上坡路段不同车型的速度分布特征发现:在不同线形路段,部分车型的速度分布有明显的特点,三型货车在连续上坡路段速度分布呈驼峰状,四型客车因营运限速的存在,在平缓路段速度分布集中于最大速度92 km·h-1;相同线形路段各车型速度分布显著不同,客车车型在平缓路段速度分布表现为分散,在连续上坡路段相对集中,而货车车型的速度分布变化趋势正好相反;连续上坡路段各车型的速度特征值明显下降,但同路段上的部分车型间的速度特征值仍较为接近;连续上坡路段速度离散性大于平缓路段,追尾风险水平更高。在ETC数据基础上,运用k-medoids算法对山区高速公路平缓路段和连续上坡路段的车型进行聚类分析,优化后车型分类结果为:平缓路段车型可分为4类,分别为一型客车、二型~四型客车、一型货车、二型~六型货车;连续上坡路段车型分类结果为4类,分别为一型~四型客车、一型货车和三型(空载)货车、二型~四型货车(三型为满载)、五型~六型货车。本文有助于山区高速公路速度管理措施的制定和道路线形设计时代表性车型的选择。

摘要： 省交通运输厅、省发展改革委、省财政厅:你们《关于310国道华阴至渭南一级公路设站收取车辆通行费的请示》(陕交字[2020]143号)收悉。根据《中华人民共和国公路法》《收费公路管理条例》和《陕西省收费公路管理办法》等有关规定,经研究,现就有关问题批复如下:一、原则同意310国道华阴至渭南一级公路设立柳枝收费站(K1046+375)。二、车辆通行费车型分类按照《收费公路车辆通行费车型分类》(JT/T489-2019)行业标准执行。车辆核载人数及总轴数,依据中华人民共和国机动车辆行驶证载明信息并结合现场查验核定。

摘要： 省交通运输厅、省发展改革委、省财政厅:你们《关于确定我省收费公路通行费收费标准的请示》(陕交字[2020]144号)收悉。经研究,现批复如下:一、执行国家统一的车辆通行费车型分类标准全省收费公路车辆通行费车型分类按照《收费公路车辆通行费车型分类》(JT/T489—2019)执行。核定载人数8人和9人的客车,车型分类调整为1类客车。

摘要： 车辆检测与分类是智能交通系统的重要任务.解决这些任务的传统方法由于受到车辆图像视角受限的影响从而导致粗粒度的识别结果.近年来深度学习成功应用于图像分类任务,并受其最新成果的启发,本文提出了一种基于卷积神经网络的车辆检测与分类方法,该方法包括车辆区域检测和车型分类两部分.在检测和分类实验中,我们详细对比分析几种典型的网络模型,如R-CNN,Faster R-CNN,AlexNet,VggNet,Googlenet和Resnet.本文提出的算法能够准确,实时地识别车辆类型,品牌等信息.利用构建的原始数据集,该算法在7种车型分类的平均准确率约为89％.

摘要： 陕政函[2021]46号省交通运输厅、省发展改革委、省财政厅:你们《关于汉中至陕川界高速公路设置龙头山收费站的请示》(陕交字[2021]27号)收悉。根据《中华人民共和国公路法》《收费公路管理条例》和《陕西省收费公路管理办法》等有关规定,经研究,现就有关问题批复如下:一、原则同意在汉中至陕川界高速公路设立龙头山(K796+669)匝道收费站。二、龙头山收费站的收费模式、收费范围、收费标准、车型分类和通行费收支管理等执行汉中至陕川界高速公路现行收费方式。收费期限自批复之日起至2035年8月30日止。

摘要： 本文介绍了烟海高速车牌识别、车型分类改造项目的项目实施方案,包括项目概况、系统构成、系统方案及工程量清单,期望给类似项目以参考.

摘要： 车型分类在智能交通和计算机视觉领域有重要的应用,现有车型分类方法主要基于单一视角的视频序列,训练出的模型难以迁移到其他视角,而且大多数采用底层特征描述车辆,容易受到噪声影响.本文提出了一种基于单帧图像的、多视角的双层分类框架,并且提出了带有语义信息的中层特征提取方法.本方法在五个视角的车型图像数据集上做了广泛测试,实验结果表明,本文方法的分类准确率高于传统的词袋模型和随机森林模型.相对于单层分类框架和单视角的模型,本文提出的方法取得了更强的鲁棒性和推广性.

摘要： 在一个复杂的路网中，一对出入口之间可能会出现多重路由问题，即车辆从出发点到目的地可能会有多种可行驶路径可供选择。如何判定车辆所走路线以及将车辆的通行费用正确地拆分给各收费道路的业主，本文运用统计学原理对车型分类方法进行了定量研究，验证了基于车型分类方法的收费路径识别的可行性，并给出了基于车型分类统计的拆费方案。

摘要： 在一个复杂的路网中，一对出入口之间可能会出现多重路由问题，即车辆从出发点到目的地可能会有多种可行驶路径可供选择。如何判定车辆所走路线以及将车辆的通行费用正确地拆分给各收费道路的业主，本文运用统计学原理对车型分类方法进行了定量研究，验证了基于车型分类方法的收费路径识别的可行性，并给出了基于车型分类统计的拆费方案。

摘要： 车型分类是自动化道路交通信息采集的重点和难点,利用环形线圈产生的信号曲线进行车型分类,特征提取和模式识别是其中最重要的两个环节.本文设计了通过知识库和信息熵进行特征提取、并以多分支BP网络作为模式识别算法的自适应模式分类器.多分支BP网络以分而治之的思想为依据,将N种模式的识别问题转换为N个并行的两种模式识别问题,可以克服一般的BP网络在解决多模式识别问题时的缺陷.在此基础上,本文以所设计的分类器为基础研究车型分类问题,并利用G107上的实测数据进行仿真,仿真结果表明,与采用一般的特征提取方法和BP网络相比,基于信息熵和多分支BP网络的分类器具有更好的分类性能,且显著地减少了训练时间.

摘要： 车型分类是自动化道路交通信息采集的重点和难点。本文通过分析一般的BP网络在解决多模式识别问题时的缺陷,根据分而治之和模块化的思想提出了多分支BP网络的模型。多分支BP网络拓扑结构上包括多个分支,一个分支用于识别一种模式。可将N种模式的识别问题转换为N个并行的两种模式识别问题；各分支网络均为3层的感知器,采用改进的BP算法进行训练,各输出值通过数据融合算法进行集成。结构独立使得多分支BP网络具有很强的并行信息处理能力。在此基础上,本文研究了多分支BP网络模型在车型分类中的应用,并利用107国道上的实测数据进行仿真,仿真结果表明,与一般的BP网络相比,多分支BP网络具有更好的分类性能,且显著地减少了训练时间。

摘要： 针对环形感应线圈采集数据的特点.讨论一种基于动态时间弯曲(DTW)算法的车型分类新方法。由于采样波形与车速、车辆自身结构以及其通过线罔时的相对位置有关,导致实际同类车辆波形存在伸长、压缩,甚至波形残缺不全或局部振荡等复杂情况。为此,本方法首先对样本数据进行降噪滤波,补齐不完整信号等预处理；然后结合DTW方法和最优聚类分析原理选取同类车型的多个模板。综合考虑误纳与误拒情况,可降低单模板匹配存在的误拒率；最后利用DTW算法和多个分类区分度指标进行多模板匹配,得出分类结论。论文仿真部分以一类车型为例,分析了本文方法与其他方法比较存在的优势。

摘要： 针对将环形线圈车辆检测器与车辆的电磁感应特性用于车型识别的问题，提出用主成分分析法精简波形变量，训练自适应共振神经网络ART2进行波形曲线的聚类并自动生成模式进行分类。实验表明，该方法分类快速正确，可有效地应用于道路车辆车型的实时分类，并具有在线学习新模式的能力。

摘要： 交通数据采集能够为智能交通系统(ITS)提供重要的基础数据;自动化车型分类是交通数据采集系统的重点和难点.工作环境和应用目的多样化,使得交通数据采集系统必须具有良好的自适应能力.基于以上需求分析,本文提出具有车型信息的自适应交通数据采集系统及其结构框架,对系统的各组成部分进行功能分析,着重研究系统中的车型分类问题,对系统所采用的模型库、信息熵、ANN等关键技术进行讨论.在此基础上,分析该系统的两个实施案例,并综合讨论系统的应用前景.

摘要： 美军JLTV车族是全球未来轻型战术车辆的代表性车族,对我国轻型战术车辆的发展有着较大影响.着重对美军J-LTV车族研发期间系列车型演变过程进行了分析归纳,在此基础上总结出美军JLTV车族系列车型演变的特点,对我军未来轻型战术车辆的发展研究有所启迪.

摘要： 本发明实施例提供了一种车型分类方法，所述方法包括：获取含有车辆的待分类图片；提取所述待分类图片中的目标区域，其中，所述目标区域为包含车辆的区域；采用第一预设分类器对所述目标区域进行训练，得到N个特征图，其中，所述N为大于1的整数；对所述N个特征图进行特征提取，以得到M个特征值，所述M为大于1的整数；采用第二预设分类器对所述M个特征值进行分类；根据所述分类的结果确定所述目标区域包含的车辆的车型。本发明实施例还提供了一种分类装置，用于对车型进行分类。通过本发明实施例可对待分类图片进行两次分类，再确定车型，从而，可提高车型分类的识别精度和缩短识别时间。

摘要： 本发明提供一种基于道路物联网监测的车型与车重分类方法，属于道路监测领域。所述方法包括：获取训练集；建立基于人工神经网络的车型分类模型，利用训练集对车型分类模型进行训练与验证，训练好的车型分类模型对未知车型信息的车辆进行车型分类；针对同一车型的车辆，建立基于人工神经网络的车重分类模型，利用训练集对车重分类模型进行训练与验证，训练好的车重分类模型对未知车重信息的车辆进行车重等级划分；针对同一车型的车辆，对训练集进行聚类分析确定同一车型中异常车重的车辆，在该车辆进入卡口后，对其进行抽检称重。采用本发明，能够实现监测车辆的车型与车重等级智能分类，实现交通信息的全面监测，提高对超载车辆的抽检执法效率。

摘要： 本发明实施例公开了一种车型分类方法、装置、计算机设备及存储介质。所述车型分类方法，包括：获取雷达测量装置在预设时间段内采集到的目标雷达数据；对目标雷达数据进行预处理，并在预处理后的雷达数据中检测并提取出与目标车辆对应的雷达信号；计算与目标车辆对应的雷达信号的宽度特征和能量特征，并根据宽度特征和能量特征对目标车辆进行车型分类。本发明实施例的技术方案能够在数据测量装置安装简单前提下，降低数据处理复杂度并提高车型分类的抗环境干扰能力，提升车型分类的准确率。

摘要： 本发明属于交通运输及云计算领域，特别涉及一种基于激光点云数据多特征分析的车型分类方法及装置。本发明采用双激光器，分别垂直于路面以及与路面成一定角度设置，以采集经过车辆的点云数据信息，来获取车辆数据；基于点云数据获取车辆的长宽高等基础特征信息，以及车辆的宽度整齐性、玻璃特征、弧形特征等深层次特征信息，通过神经网络模型及车辆的三维信息构建模型进行数据分析，确定车型分类；对车型、车流量、车速等数据进行统计并上传；最后通过终端显示单元进行分析及获取数据的显示。本发明的运用可以有效解决传统交通情况调查设备的检测精度低、施工复杂、寿命低、功能单一以及提高交通管理运输的效率等问题。

摘要： 本发明属于数据领域，涉及智慧交通，为一种车流量统计与车型分类方法及装置；方法包括获取车流量视频，在视频图像序列中设置矩形识别框，将识别框中无车辆通行的帧作为背景帧；获得当前帧与背景帧的差分图像；将其灰度平均值存储在灰度特征数组中；计算统计时间窗口内车辆进入阈值和驶出阈值；将灰度平均值分别与这两个阈值进行比较，若大于进入阈值，则将车辆计数器计数加1并冻结计数器；若小于驶出阈值，则将计数器使能；最终获得车流量数据；若时间长度大于车辆进入阈值时，则将计数器加1，重置计时器；若小于驶出阈值，则冻结计时器；存储到车型特征数组中；计算出分类阈值，将车型特征值分别与分类阈值进行比较，最终得到车型的分类结果。

摘要： 本发明公开了一种基于非参数检验的高速公路车型分类方法，共有3个阶段8个步骤。首先收集高速公路常见车型的参数，按照区分客车与货车、分类尽量详细的原则，提出车型初步划分的标准；其次对高速公路交通流进行观测，提取速度、车头时距、车尾间距等指标，对初步划分的车型两两之间进行非参数检验，对检验结果进行分析，排除不适合作为车型分类指标的指标；最后对于可以作为车型分类指标的指标，进一步分析K‑S检验的结果，将满足条件的车型进行合并，根据结果考虑是否需要进一步合并，得到最终的车型分类方案。本发明考虑车辆在运动过程中的差异，提出的车型分类方法可以为高速公路车道划分方案的制定提供基础，提高高速公路运行的安全与效率。

摘要： 本发明涉及一种基于多分类支持向量机的车型分类方法，其特征是，包括以下阶段：（1）在所述线下训练阶段，在实际场景中收集有标注的音频数据构成训练数据集；在训练数据集上对原始音频数据进行预处理，划分得到音频片段；在每个音频片段内划分得到音频帧信号；对音频帧信号计算短时特征；对每一个音频片段内所有音频帧的短时特征计算统计量作为音频片段特征；短时特征和音频片段特征构成了原始音频的特征向量集；（2）训练分类器阶段；（3）在线检测阶段，计算音频数据的短时特征和音频片段特征，将特征向量集送入SVM分类器得到分类结果，采取投票形式得到最终的分类结果。本发明具有分类准确度高、实时性强、集成度高、部署维护方便等优势。

摘要： 本发明实施例提供了一种车型分类方法，所述方法包括：获取含有车辆的待分类图片；提取所述待分类图片中的目标区域，其中，所述目标区域为包含车辆的区域；采用第一预设分类器对所述目标区域进行训练，得到N个特征图，其中，所述N为大于1的整数；对所述N个特征图进行特征提取，以得到M个特征值，所述M为大于1的整数；采用第二预设分类器对所述M个特征值进行分类；根据所述分类的结果确定所述目标区域包含的车辆的车型。本发明实施例还提供了一种分类装置，用于对车型进行分类。通过本发明实施例可对待分类图片进行两次分类，再确定车型，从而，可提高车型分类的识别精度和缩短识别时间。

摘要： 本发明公开了一种毫米波雷达车型分类方法，该方法包括：采用毫米波雷达对待检测目标进行探测，以获取所测的各点迹的位置信息和速度信息，并进行预处理；构建椭圆波门模型，通过椭圆波门模型、各个点迹的位置信息和速度信息自底向上对各点迹进行聚类，得到初步分类结果；对初步分类结果中的多个目标点迹进行跟踪，形成目标航迹；根据椭圆波门模型和目标航迹对应的跟踪目标的速度信息确定关联目标组合，并通过多帧滑动窗口计算关联目标组合中的各个关联目标的潜在大车概率，将满足预设条件的各关联目标进行合并，并确定为大车类型。本发明通过车型聚类和目标跟踪结果实现车型分类，从而可有效提高车型分类的准确性。

摘要： 本发明公开了一种基于路侧毫米波雷达的决策树车型分类方法，先利用路侧雷达获取一定数量已知车辆类型的车辆数据作为样本数据；按照车辆相对雷达的距离，将样本数据划分至若干个距离段内；根据各个距离段中的样本数据分别进行学习训练，生成各个距离段的决策树模型。本发明在对道路上车辆进行实时车型分类时，利用路侧雷达实时接收车辆回波信号并提取车辆数据；根据车辆相对雷达的距离值，选择对应距离段的决策树模型进行车型分类。本发明具有实时性强、分类精度高、数据计算量小的优势。