本发明涉及智能道路管理领域，具体涉及基于汽车电子标识的城市交通拥堵收费方法。对于本发明给出的城市交通拥堵收费方法中的步骤，可以建立功能模块，组合成功能模块构架，主要通过存储在计算机可读存储介质中的计算机程序来实现。
背景技术：
近些年汽车快速增长，城市的道路资源的增长已经远远落后于新增汽车需求，从而造成了城市道路特别是中心路网的异常拥堵，原有的城市交通体系面临严峻挑战。如何有效的解决城市道路的拥堵，已经成为各个城市尤其是大中型城市迫在眉睫的问题。面对日益拥堵的城市交通，有些城市采用了收取车辆拥堵费的方法，以减少每天的上路车辆从而缓解道路交通压力。目前所实行的车辆拥堵费计费方法基本都是采用一刀切的方式对每辆汽车都收取相同的拥堵费，例如对城市中的每辆车每年收取定额的拥堵费、办理收费通行证等，虽然这种由交通管控部门强制实行的拥堵费收取办法取得了一定的效果，但这种不考虑车辆实际出行情况的计费方法，缺乏灵活性，造成了实际上的不公平，受到了大量车主的诟病。例如有的车辆可能仅在市区周边非拥堵区行驶，很少进入需要限行的中心拥堵区，但也会被收取城市道路拥堵费；又例如有的车辆出行少且仅在非交通高峰期出行，却也会同出行量大，且经常在高峰期在中心拥堵区行驶的车辆一样被收取等额的拥堵费。这种一刀切收取拥堵费的方法，未按车辆的实际道路资源占用量来进行计费，弊病多，被认可度也小，基本不具备调控区域、时段车流量的功能。
技术实现要素：
本发明的目的是提供一种基于汽车电子标识的城市交通拥堵收费方法，其能够对城市道路进行合理定价。
本发明提供基于汽车电子标识的城市交通拥堵收费方法，包括以下步骤：
步骤a.获取车辆的gps定位模块的车辆定位信息；
步骤b.根据所述车辆定位信息计算出车辆在各时段的路段位置信息，进而得出各路段的时段车辆信息；
步骤c.根据各路段的时段车辆信息确定各路段在不同时段的预测拥堵指数来选择预设的收费方案；
步骤d.获取设置在各路段的阅读器所读取到的车辆中汽车电子标识的位置信息，把所述位置信息与所述车辆定位信息进行比对，记录所述位置信息与所述车辆定位信息的重合性，以确定车辆的行驶路线；
步骤e.根据所述行驶路线和所述行驶路线中各路段的时段收费信息来确定车辆所要缴纳的费用。
其中，所述预测拥堵指数具体为：获取待测路段的当前时刻的上一时段的历史同期相同时段的历史拥堵指数；获取待测路段的当前时刻的上一时段的拥堵指数变化趋势；根据所述历史拥堵指数和所述拥堵指数变化趋势来预测待测路段的当前时刻的下一时段的拥堵指数。
其中，拥堵指数预测采用k近邻预测算法对历史拥堵指数进行搜索，搜索出最相似的k个历史状态向量，再根据所对应的k个拥堵指数计算预测值。
对于本发明给出的城市交通拥堵收费方法中的步骤，可以建立功能模块，组合成功能模块构架，主要通过存储在计算机可读存储介质中的计算机程序来实现。
有益效果：预测各个路段在不同时段的拥堵指数，并根据各个路段在不同时段的预测拥堵指数对各个路段提前预定时间进行行驶定价，确定各个路段的时段收费信息。通过大数据的搜集分析对城市道路进行合理定价，提高了定价策略的科学性。本发明实现了通过价格手段有效遏制繁忙路段繁忙时段道路上的行驶车辆，缓解了城市中心的堵车问题，并为政府合理增加交通拥堵税收。另外，设置在各路段的阅读器读取车辆中汽车电子标识的信息以进行定点监控获得的位置信息与gps定位模块对车辆进行实时监控获得的车辆定位信息进行比对，记录该位置信息与该车辆定位信息的重合性，从而确定车辆的行驶路线，进而确定各个车辆在道路通行结束后应缴纳的费用，避免了人为的信息屏蔽与恶意的信息篡改，保证收费信息的准确性。
具体实施方式
结合以下实施例对本发明作进一步描述。
预测各个路段在不同时段的拥堵指数，并根据各个路段在不同时段的预测拥堵指数对各个路段提前预定时间进行行驶定价，确定各个路段的时段收费信息。通过大数据的搜集分析对城市道路进行合理定价，提高了定价策略的科学性。本发明实现了通过价格手段有效遏制繁忙路段繁忙时段道路上的行驶车辆，缓解了城市中心的堵车问题，并为政府合理增加交通拥堵税收。另外，设置在各路段的阅读器读取车辆中汽车电子标识的信息以进行定点监控获得的位置信息与gps定位模块对车辆进行实时监控获得的车辆定位信息进行比对，记录该位置信息与该车辆定位信息的重合性，从而确定车辆的行驶路线，进而确定各个车辆在道路通行结束后应缴纳的费用，避免了人为的信息屏蔽与恶意的信息篡改，保证收费信息的准确性。
预测拥堵指数具体为：获取待测路段的当前时刻的上一时段的历史同期相同时段的历史拥堵指数；获取待测路段的当前时刻的上一时段的拥堵指数变化趋势；根据所述历史拥堵指数和所述拥堵指数变化趋势来预测待测路段的当前时刻的下一时段的拥堵指数。因为拥堵指数变化趋势可以真实的反映一段时间拥堵指数的变化规律，所以根据交通拥堵指数和拥堵指数变化趋势预测路段的当前时刻的下一时段的拥堵指数，预测的准确度较高，能准确预测交通状况。
拥堵指数预测采用k近邻预测算法对历史拥堵指数进行搜索，搜索出最相似的k个历史状态向量，再根据所对应的k个拥堵指数计算预测值。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。