【摘要】：隨著中國經(jīng)濟的飛速發(fā)展,保定市作為三線城市,目前已擁有機動車226萬輛,其中主城區(qū)機動車保有量為78萬輛,并以每月0.4%-0.8%的速度遞增。迅速增長的機動車數(shù)量導(dǎo)致停車位供不應(yīng)求,城區(qū)內(nèi)的路內(nèi)違法停車問題日益凸顯,不僅造成交通擁堵,也影響交通安全,大量的路內(nèi)停車也給交通管理帶來了難題。保定市路內(nèi)違法停車現(xiàn)象日益加重,民警每天現(xiàn)場處罰違停車輛約1000輛,違停處罰在違章處罰中所占比例逐步升高,違法停車的治理已經(jīng)刻不容緩。本文希冀從公安交通管理的角度,通過對保定市路內(nèi)違法停車抓拍系統(tǒng)的優(yōu)化,解決路內(nèi)違法停車問題。首先從違法停車的時間分布、空間分布以及違法停車類型分析了保定市路內(nèi)違法停車的現(xiàn)狀及原因;然后從公共停車設(shè)施供給不足、管理體制混亂、收費制度不合理及治理力度不夠四個方面分析了違法停車管理存在的問題,特別對路內(nèi)違法停車抓拍系統(tǒng)存在的問題進行了分析;最后針對保定市違法停車抓拍系統(tǒng)使用中存在的問題逐一提出解決對策。解決對策主要有以下三個方面:一是路內(nèi)停車規(guī)范管理。對保定市路內(nèi)停車道路進行調(diào)研,根據(jù)停車需求劃定停車位;對現(xiàn)有禁停標志、標線進行梳理,完善禁停標志標線。二是對路內(nèi)違法停車抓拍系統(tǒng)中車輛識別算法的改進。將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到違停抓拍系統(tǒng)的車牌識別模塊,通過調(diào)整卷積神經(jīng)網(wǎng)絡(luò)的卷積層、全連接層等,優(yōu)化網(wǎng)絡(luò),降低了神經(jīng)網(wǎng)絡(luò)的神經(jīng)元數(shù)量和計算量,減少了訓(xùn)練時間,識別效果也優(yōu)于以往方法,提高了抓拍系統(tǒng)的使用效率。三是提出了路內(nèi)違法停車抓拍系統(tǒng)使用的其他優(yōu)化建議。通過合理、精準布控抓拍系統(tǒng)攝像頭、盡量在財政范圍之內(nèi)實現(xiàn)抓拍系統(tǒng)的全覆蓋,提高使用效率,另外規(guī)范抓拍系統(tǒng)取證后的審核和告知程序,使處罰信息快速、準確的傳達至違法停車駕駛?cè)?從而對違法停車的駕駛?cè)似鸬教嵝雅c震懾的作用,最終達到減少違法停車,維護交通秩序的目的。本文對于完善保定市違法停車抓拍系統(tǒng)、提高抓拍系統(tǒng)的使用效率具有一定的實際意義和參考價值。
【圖文】：

中國人民公安大學(xué)碩士學(xué)位論文-3 -圖1.1 保定市傳統(tǒng)路內(nèi)違法停車抓拍執(zhí)法現(xiàn)場1.2 國內(nèi)外相關(guān)研究現(xiàn)狀1.2.1 路內(nèi)違法停車管理研究現(xiàn)狀國外已較早意識到了停車衍生的問題，，20 世紀40 年代，美國開始關(guān)注停車問題，隨后日本、歐洲等國家也開始逐漸研究停車問題。20 世紀 50 年代，專家學(xué)者逐漸認識到違法停車對動態(tài)交通產(chǎn)生的影響，英國和美國還專門設(shè)置了研究城市停車問題的相關(guān)機構(gòu)。美國出版了《停車》是最早關(guān)于停車管理方面的著作。在20 世紀中期進行了關(guān)于CBD 停車方面的研究，于 1965 年出版了《城市中心停車》(Parking intheCityCenter) 。1971 年出版的《停車指導(dǎo)原則》[1](Parking Principle,specialreport#125)通過對美國111 個城市的停車情況進行研究，其研究成果為停車管理政策的探究奠定了基礎(chǔ)。日本提出了“購車自備車位”政策，并明確的規(guī)定了違法停車的處罰措施，為違法停車治理提供了法律保障[2]。20 世紀初

研究思路
【學(xué)位授予單位】：中國人民公安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：D631.5

【相似文獻】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點預(yù)測法[J];金融經(jīng)濟;2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會述評[J];國際學(xué)術(shù)動態(tài);1996年01期

3 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識別[J];通訊世界;2018年12期

4 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

5 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

6 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

7 鮑偉強;陳娟;熊濤;;基于進化神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測研究[J];電工技術(shù);2019年11期

8 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會議論文 前10條

1 孫軍田;張U

本文編號：2696578