Identificación electrónica de vehículos.

Método implementado por ordenador de identificación de un vehículo en un sistema de peaje,

comprendiendo el método:

la obtención de datos de imagen de un primer vehículo;

la consecución de datos de placa de matrícula a partir de los datos de imagen obtenidos del primer vehículo;

el acceso a un conjunto de registros que incluye datos de placa de matrícula de vehículos;

la ejecución de un algoritmo de lectura de placas de matrícula desafinado para:

comparar los datos de placa de matrícula del primer vehículo con los datos de placa de matrícula de vehículos del conjunto de registros, e

identificar un conjunto de vehículos candidatos de entre los vehículos que tienen registros en el conjunto de registros, siendo identificado el conjunto de vehículos candidatos en función de los resultados de la comparación de los datos de placa de matrícula, donde el algoritmo de lectura de placas de matrícula desafinado incluye una ampliación de los criterios de coincidencia de placa de matrícula o un umbral de fiabilidad de lectura de placas de matrícula rebajado para permitir la generación de un conjunto más grande de vehículos candidatos coincidentes con relación a un algoritmo de lectura de plata de matrícula diseñado para identificar una sola coincidencia óptima de un vehículo candidato; y

seleccionar, del conjunto de vehículos candidatos, un vehículo candidato correspondiente al primer vehículo al:

acceder a los datos del segundo identificador de vehículo del primer vehículo, siendo los datos del segundo identificador de vehículo datos para identificar un vehículo que son distintos de los datos de placa de matrícula;

acceder a los datos del segundo identificador de vehículo de un vehículo candidato del conjunto de vehículos candidatos,

comparar, mediante al menos un dispositivo de procesamiento, los datos del segundo identificador de vehículo del primer vehículo con los datos del segundo identificador de vehículo del vehículo candidato del conjunto de vehículos candidatos, e

identificar el vehículo candidato del conjunto de vehículos candidatos como el primer vehículo en función de los resultados de la comparación de los datos del segundo identificador de vehículo.

Identificación electrónica de vehículos CAMPO TÉCNICO

[0001] Esta exposición se refiere a la identificación electrónica de vehículos.

ANTECEDENTES

[0002] Las instalaciones para el transporte como carreteras, puentes y túneles producen peajes que a menudo representan una fuente principal de beneficios para muchos estados y municipios. El gran número de automóviles, camiones y autobuses que paran en las cabinas de peaje para pagar un peaje a diario puede ocasionar problemas importantes. Por ejemplo, dichas instalaciones puede que restrinjan el flujo de tráfico, lo que provoca atascos y cambios de carril, lo que aumenta a menudo la probabilidad de que haya accidentes e incluso más embotellamientos. Además, puede que muchas personas se retrasen en la llegada a sus destinos, y puede que las mercancías se retrasen en la llegada al mercado y puede que se desperdicien millones de litros de combustible mientras los vehículos están parados. El medio ambiente puede que experimente un aumento de la contaminación ya que los vehículos que están parados y que se mueven despacio emiten contaminantes (en particular dióxido de carbono y monóxido de carbono), que puede que planteen un importante riesgo para la salud de los conductores de automóvil así como la de los operadores de las cabinas de peaje.

[0003] Puede que algunos sistemas de cabinas de peaje tengan un programa que requiera que un conductor de automóvil alquile y luego sujete al parabrisas del vehículo un transpondedor de radio que se comunica por radiofrecuencia con unidades receptoras en las áreas de las cabinas de peaje. Sin embargo, dichos programas requieren que los conductores busquen el programa y se registren para utilizar el programa. Puede que esos programas hagan obligatorio que un conductor de automóvil realice un depósito con tarjeta de crédito y cree un sistema de cargo en cuenta automático, que puede que excluya de forma eficaz a los conductores con problemas de crédito. Esos programas puede que también facturen a los participantes en función de una cantidad mínima de recorrido sin considerar la cantidad de recorrido real. De ese modo, muchos conductores de automóvil que viajan con poca frecuencia y pasan por la autopista de peaje puede que reciban pocos beneficios después de haber invertido tiempo y dinero para participar en el programa.

[0004] El documento US 6747687 da a conocer que, en un sistema de hora de entrada y hora de salida de vehículos, el paso de un vehículo por una entrada genera una señal «trigger-tO». Una cámara de vídeo de entrada proporciona imágenes en tiempo real de los vehículos que entran. La señal trigger-tO hace que se almacene o «digitalice» un fotograma de la imagen del vehículo en un subsistema de entrada. Se utiliza una señal de hora del reloj de la hora de entrada para registrar la fecha y hora en la imagen, que es entonces remitida en una conexión a un buscador de coincidencias. El paso de un vehículo por una salida genera una señal «trigger-t1». Una cámara de vídeo de salida 116 proporciona imágenes en tiempo real de los vehículos que salen. La señal trigger-t1 hace que se almacene o «digitalice» un fotograma de la imagen del vehículo en un subsistema de entrada. Se utiliza una señal de de hora del reloj para registrar la fecha y hora en la imagen, que es entonces remitida en una conexión al buscador de coincidencias. Una salida proporciona automáticamente una duración de permanencia de cada vehículo que sale según su hora de entrada. El buscador de coincidencias utiliza las características únicas de las imágenes de los vehículos para establecer una coincidencia. Mientras que un número de placa de matrícula es único, no es necesaria la lectura de toda o parte de una placa de matrícula para extraer características visuales relacionadas con vehículos en concreto. Por ejemplo, en la variedad limitada de vehículos que suele haber en un aparcamiento en concreto, el color, embellecedores, estilo, neumáticos, tapacubos, daños por colisión, etc., de cada vehículo pueden utilizarse en combinación para distinguir vehículos individuales.

[0005] El documento US2002/0140577 da a conocer un método para leer una placa de matrícula dispuesta en un vehículo que incluye determinar si se necesita una imagen de la placa de matrícula, procesar automáticamente la imagen de la placa de matrícula en respuesta a la determinación de si se necesita la imagen de la placa de matrícula, proporcionar al menos una imagen verificada y determinar si se lee de forma manual la imagen de la placa de matrícula al hacer coincidir la imagen de la placa de matrícula con la al menos una imagen verificada.

[0006] Por tanto, un problema con la tecnología existente para identificar vehículos es que se necesita una unidad de transpondedor en cada vehículo que se va a identificar.

SUMARIO

[0007] La presente exposición describe al menos un método de identificación de un vehículo que permite la

gestión automática y electrónica del pago de peajes mediante el paso de vehículos por unas instalaciones de peaje, sin requerir que los vehículos reduzcan la velocidad o tengan un transpondedor. Puede que el método constituya al menos una parte de un sistema de peaje. Dicho sistema identifica automáticamente todos o sustancialmente todos los vehículos que pasan por las instalaciones de peaje y factura al propietario de cada vehículo identificado por la tarifa de peaje generada.

[0008] Una tecnología existente para identificar vehículos sin transpondedor es la lectura de placas de matrícula (LPR por sus siglas en inglés). Sin embargo, un problema de la tecnología de LPR existente para identificar vehículos en un sistema de peaje es que, debido al gran número de vehículos que pasan por unas instalaciones típicas de peaje, dicha tecnología presenta normalmente una tasa de error muy alta para que se utilice de manera eficaz. Por ejemplo, la tasa de error de un sistema de LPR típico puede que sea aproximadamente del 1 %. Aunque dicha tasa de error puede que sea aceptable en sistemas de peaje que solo identifican vehículos que son infractores, esa tasa de error es normalmente muy alta para un sistema de peaje que trata de identificar cada vehículo que pasa, no solo los infractores, para cobrar las tarifas de peaje. En dicho sistema, una tasa de error del 1 % puede dar lugar a una pérdida importante de ingresos (p. ej., la pérdida de 1000 tarifas de peaje o más en un día).

[0009] De forma adicional, los sistemas típicos de LPR muestran a menudo una compensación recíproca entre el número de vehículos identificados (es decir, aquellos vehículos para los cuales el resultado de lectura sobrepasa un umbral de fiabilidad de lectura para suponer que la identificación es correcta) y la tasa de error. En un mundo ideal, esa compensación recíproca estaría reflejada en un continuo binario de fiabilidad, en el cual el sistema siempre produce un nivel de fiabilidad de lectura de uno cuando el resultado de lectura es correcto y un nivel de fiabilidad de lectura de cero cuando el resultado de lectura es erróneo. Sin embargo, los resultados de lectura suelen ser en realidad al menos parcialmente correctos, y el sistema genera un continuo de fiabilidad que presenta un amplio rango de niveles de fiabilidad que oscilan, por ejemplo, desde un nivel de uno o cerca de uno (muy probablemente correcto) hasta un nivel de cero o cerca de cero (muy probablemente erróneo). Por lo tanto, se necesita a menudo que el sistema establezca un umbral de fiabilidad de lectura arbitrario para determinar qué resultados de lectura se considerarán correctos. Una vez que se haya establecido el umbral de fiabilidad de lectura, cualquier resultado de lectura que presente niveles de fiabilidad por encima del umbral se considera correcto y cualquier resultado de lectura que presente niveles de fiabilidad por debajo del umbral se considera erróneo. Establecer el umbral de fiabilidad de lectura muy alto (p. ej., en 0,95 o más alto) disminuye significativamente la posibilidad de que haya un error, pero también excluye muchos resultados correctos de lectura, reduciendo de ese modo los ingresos. Al contrario, establecer el umbral de fiabilidad de lectura muy bajo (p. ej., 0,3 o más alto) aumenta el número de lecturas que se consideran correctas, pero también aumenta significativamente el número de errores, aumentando de ese modo los costes al introducir errores en un gran número de cuentas/facturas que requieren mucho tiempo y esfuerzo de revisar y corregir. En un sistema de peaje que identifica cada vehículo que pasa, esa compensación recíproca resulta particularmente problemática, ya que puede que dé lugar a una pérdida importante de beneficios.

[0010] Además, un sistema de peaje que identifica... [Seguir leyendo]

1. Método implementado por ordenador de identificación de un vehículo en un sistema de peaje, comprendiendo el método:

la obtención de datos de imagen de un primer vehículo;

la consecución de datos de placa de matrícula a partir de los datos de imagen obtenidos del primer

vehículo;

el acceso a un conjunto de registros que incluye datos de placa de matrícula de vehículos;

la ejecución de un algoritmo de lectura de placas de matrícula desafinado para:

comparar los datos de placa de matrícula del primer vehículo con los datos de placa de matrícula de vehículos del conjunto de registros, e

identificar un conjunto de vehículos candidatos de entre los vehículos que tienen registros en el conjunto de registros, siendo identificado el conjunto de vehículos candidatos en función de los resultados de la comparación de los datos de placa de matrícula, donde el algoritmo de lectura de placas de matrícula desafinado incluye una ampliación de los criterios de coincidencia de placa de matrícula o un umbral de fiabilidad de lectura de placas de matrícula rebajado para permitir la generación de un conjunto más grande de vehículos candidatos coincidentes con relación a un algoritmo de lectura de plata de matrícula diseñado para identificar una sola coincidencia óptima de un vehículo candidato; y

seleccionar, del conjunto de vehículos candidatos, un vehículo candidato correspondiente al primer

vehículo al:

acceder a los datos del segundo identificador de vehículo del primer vehículo, siendo los datos del segundo identificador de vehículo datos para identificar un vehículo que son distintos de los datos de placa de matrícula;

acceder a los datos del segundo identificador de vehículo de un vehículo candidato del conjunto de vehículos candidatos,

comparar, mediante al menos un dispositivo de procesamiento, los datos del segundo identificador de vehículo del primer vehículo con los datos del segundo identificador de vehículo del vehículo candidato del conjunto de vehículos candidatos, e

identificar el vehículo candidato del conjunto de vehículos candidatos como el primer vehículo en función de los resultados de la comparación de los datos del segundo identificador de vehículo.

2. Método según la reivindicación 1, en el que la identificación del vehículo candidato del conjunto de vehículos candidatos como el primer vehículo incluye la identificación del vehículo candidato como el primer vehículo si la comparación de los datos del segundo identificador de vehículo del primer vehículo con los datos del segundo identificador de vehículo del vehículo candidato del conjunto de vehículos candidatos indica una coincidencia que presenta un nivel de fiabilidad que sobrepasa un umbral de fiabilidad.

3. Método según la reivindicación 2, en el que la identificación del vehículo candidato del conjunto de vehículos

candidatos como el primer vehículo incluye la identificación del vehículo candidato del conjunto de vehículos

candidatos como el primer vehículo sin intervención humana si el nivel de fiabilidad de la coincidencia sobrepasa un primer umbral de fiabilidad.

4. Método según la reivindicación 3, en el que la identificación del vehículo candidato del conjunto de vehículos

candidatos como el primer vehículo incluye la identificación del vehículo candidato del conjunto de vehículos

candidatos como el primer vehículo si el nivel de fiabilidad de la coincidencia es inferior al primer umbral de fiabilidad pero superior a un segundo umbral de fiabilidad y un operador humano confirma la coincidencia.

5. Método según la reivindicación 4, que comprende además la autorización al operador para que confirme o rechace la coincidencia al:

autorizar al operador humano para que perciba los datos de imagen obtenidos del primer vehículo, y

autorizar al operador humano para que interaccione con una interfaz de usuario para indicar el rechazo o confirmación de la coincidencia.

6. Método según la reivindicación 4, en el que la identificación del vehículo candidato del conjunto de vehículos candidatos como el primer vehículo incluye la identificación del vehículo candidato como el primer vehículo si el nivel de fiabilidad de la coincidencia es inferior a los umbrales de fiabilidad primero y segundo y un operador humano identifica manualmente el vehículo candidato como el primer vehículo al acceder a los datos de imagen del primer vehículo y al registro del vehículo del conjunto de registros.

7. Método según la reivindicación 1, en el que la identificación del vehículo candidato del conjunto de vehículos candidatos como el primer vehículo incluye la identificación del vehículo candidato en función del número de identificación del vehículo (NIV), una firma láser, una firma inductiva y datos de imagen.

8. Método según la reivindicación 1, en el que la identificación de un conjunto de vehículos candidatos en función de los resultados de la comparación de los datos de placa de matrícula comprende la identificación de varios vehículos candidatos correspondientes al primer vehículo en función de los resultados de la comparación de los datos de placa de matrícula.

9. Método según la reivindicación 1, en el que el algoritmo de lectura de placas de matrícula comprende un algoritmo que lee un número de placa de matrícula de un vehículo objetivo a partir de una imagen del vehículo objetivo y compara la lectura del número de placa de matrícula de la imagen con números de placa de matrícula conocidos de vehículos para identificar un conjunto de vehículos candidatos coincidentes para el vehículo objetivo.

10. Método según la reivindicación 1, en el que la consecución de datos de placa de matrícula a partir de los datos de imagen obtenidos del primer vehículo comprende la consecución de datos de placa de matrícula a partir de datos de imagen obtenidos mediante reconocimiento óptico de caracteres.

11. Método según la reivindicación 1, en el que los datos de placa de matrícula incluyen un número de placa de matrícula.

12. Método según la reivindicación 1, en el que los datos del segundo identificador de vehículo comprenden datos de firma láser o datos de firma inductiva del primer vehículo,

en el que opcionalmente al menos uno de:

los datos de firma láser incluyen uno o más de un perfil electrónico desde arriba del primer vehículo, un conteo de ejes del primer vehículo y una imagen 3D del primer vehículo; y

los datos de firma inductiva incluyen uno o más de un conteo de ejes del primer vehículo, un tipo de motor del primer vehículo y un tipo o clase de vehículo del primer vehículo.

13. Método según la reivindicación 12, en el que los registros del conjunto de registros incluyen datos de firma láser o datos de firma inductiva de vehículos.

14. Método según la reivindicación 1, en el que los datos del segundo identificador de vehículo comprenden datos de huella digital de vehículo del primer vehículo, basándose los datos de huella digital de vehículo del primer vehículo en los datos de imagen obtenidos del primer vehículo, y siendo los datos de huella digital de vehículo del primer vehículo un conjunto de artefactos de datos que corresponden a una firma visual del primer vehículo, en el que opcionalmente los datos de huella digital de vehículo del primer vehículo son únicos del primer vehículo.

15. Aparato para identificar un vehículo en un sistema de peaje, comprendiendo el aparato:

un dispositivo de captura de imágenes configurado para capturar datos de imagen de un primer vehículo; y

uno o más dispositivos de procesamiento acoplados en comunicación uno con otro y con el dispositivo de captura de imágenes y configurados para:

acceder a un conjunto de registros que incluyen datos de placa de matrícula de vehículos;

obtener datos de imagen del primer vehículo;

conseguir datos de placa de matrícula a partir de datos de imagen obtenidos del primer vehículo; y

ejecutar un algoritmo de lectura de placas de matrícula desafinado para:

comparar los datos de placa de matrícula del primer vehículo con los datos de placa de matrícula de vehículos del conjunto de registros, e identificar un conjunto de vehículos candidatos de entre los vehículos que tienen registros en el conjunto de registros, siendo identificado el conjunto de vehículos candidatos en función de los resultados de la comparación de los datos de placa de matrícula, donde el algoritmo de lectura de placas de matrícula desafinado incluye una ampliación de los criterios de coincidencia de placa de matrícula o un umbral de fiabilidad de lectura de placas de matrícula rebajado para permitir la generación de un conjunto más grande de vehículos candidatos coincidentes con relación a un algoritmo de lectura de plata de matrícula diseñado para identificar una sola coincidencia óptima de un vehículo candidato; y

seleccionar, del conjunto de vehículos candidatos, un vehículo candidato correspondiente al primer vehículo al:

acceder a los datos del segundo identificador de vehículo del primer vehículo, siendo los datos del segundo identificador de vehículo datos para identificar un vehículo que son distintos de los datos de placa de matrícula;

acceder a los datos del segundo identificador de vehículo de un vehículo candidato del conjunto de vehículos candidatos;

comparar, mediante al menos un dispositivo de procesamiento, los datos del segundo identificador de vehículo del primer vehículo con los datos del segundo identificador de vehículo del vehículo candidato del conjunto de vehículos candidatos, e

identificar el vehículo candidato del conjunto de vehículos candidatos como el primer vehículo en función de los resultados de la comparación de los datos del segundo identificador de vehículo.