保定市路内违法停车抓拍系统优化研究
发布时间:2020-06-04 15:20
【摘要】:随着中国经济的飞速发展,保定市作为三线城市,目前已拥有机动车226万辆,其中主城区机动车保有量为78万辆,并以每月0.4%-0.8%的速度递增。迅速增长的机动车数量导致停车位供不应求,城区内的路内违法停车问题日益凸显,不仅造成交通拥堵,也影响交通安全,大量的路内停车也给交通管理带来了难题。保定市路内违法停车现象日益加重,民警每天现场处罚违停车辆约1000辆,违停处罚在违章处罚中所占比例逐步升高,违法停车的治理已经刻不容缓。本文希冀从公安交通管理的角度,通过对保定市路内违法停车抓拍系统的优化,解决路内违法停车问题。首先从违法停车的时间分布、空间分布以及违法停车类型分析了保定市路内违法停车的现状及原因;然后从公共停车设施供给不足、管理体制混乱、收费制度不合理及治理力度不够四个方面分析了违法停车管理存在的问题,特别对路内违法停车抓拍系统存在的问题进行了分析;最后针对保定市违法停车抓拍系统使用中存在的问题逐一提出解决对策。解决对策主要有以下三个方面:一是路内停车规范管理。对保定市路内停车道路进行调研,根据停车需求划定停车位;对现有禁停标志、标线进行梳理,完善禁停标志标线。二是对路内违法停车抓拍系统中车辆识别算法的改进。将卷积神经网络应用到违停抓拍系统的车牌识别模块,通过调整卷积神经网络的卷积层、全连接层等,优化网络,降低了神经网络的神经元数量和计算量,减少了训练时间,识别效果也优于以往方法,提高了抓拍系统的使用效率。三是提出了路内违法停车抓拍系统使用的其他优化建议。通过合理、精准布控抓拍系统摄像头、尽量在财政范围之内实现抓拍系统的全覆盖,提高使用效率,另外规范抓拍系统取证后的审核和告知程序,使处罚信息快速、准确的传达至违法停车驾驶人,从而对违法停车的驾驶人起到提醒与震慑的作用,最终达到减少违法停车,维护交通秩序的目的。本文对于完善保定市违法停车抓拍系统、提高抓拍系统的使用效率具有一定的实际意义和参考价值。
【图文】:
中国人民公安大学硕士学位论文-3 -图1.1 保定市传统路内违法停车抓拍执法现场1.2 国内外相关研究现状1.2.1 路内违法停车管理研究现状国外已较早意识到了停车衍生的问题,,20 世纪40 年代,美国开始关注停车问题,随后日本、欧洲等国家也开始逐渐研究停车问题。20 世纪 50 年代,专家学者逐渐认识到违法停车对动态交通产生的影响,英国和美国还专门设置了研究城市停车问题的相关机构。美国出版了《停车》是最早关于停车管理方面的著作。在20 世纪中期进行了关于CBD 停车方面的研究,于 1965 年出版了《城市中心停车》(Parking intheCityCenter) 。1971 年出版的《停车指导原则》[1](Parking Principle,specialreport#125)通过对美国111 个城市的停车情况进行研究,其研究成果为停车管理政策的探究奠定了基础。日本提出了“购车自备车位”政策,并明确的规定了违法停车的处罚措施,为违法停车治理提供了法律保障[2]。20 世纪初
研究思路
【学位授予单位】:中国人民公安大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:D631.5
【图文】:
中国人民公安大学硕士学位论文-3 -图1.1 保定市传统路内违法停车抓拍执法现场1.2 国内外相关研究现状1.2.1 路内违法停车管理研究现状国外已较早意识到了停车衍生的问题,,20 世纪40 年代,美国开始关注停车问题,随后日本、欧洲等国家也开始逐渐研究停车问题。20 世纪 50 年代,专家学者逐渐认识到违法停车对动态交通产生的影响,英国和美国还专门设置了研究城市停车问题的相关机构。美国出版了《停车》是最早关于停车管理方面的著作。在20 世纪中期进行了关于CBD 停车方面的研究,于 1965 年出版了《城市中心停车》(Parking intheCityCenter) 。1971 年出版的《停车指导原则》[1](Parking Principle,specialreport#125)通过对美国111 个城市的停车情况进行研究,其研究成果为停车管理政策的探究奠定了基础。日本提出了“购车自备车位”政策,并明确的规定了违法停车的处罚措施,为违法停车治理提供了法律保障[2]。20 世纪初
研究思路
【学位授予单位】:中国人民公安大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:D631.5
【相似文献】
相关期刊论文 前10条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
7 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期
8 陈晓燕;;浅析简单神经网络的发展及简单模型[J];数字技术与应用;2019年05期
9 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
10 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
相关会议论文 前10条
1 孙军田;张U
本文编号:2696578
本文链接:https://www.wllwen.com/falvlunwen/fanzuizhian/2696578.html